前向动力学是最小化预测误差<math>\left\|\phi_q^{\dagger}(Y(t+1))-X_{t+1}\right\| </math>,保证动力学的确定性,但是由于EI不仅与确定性有关,还与简并性有关,我们需要一个与动力学简并性相关的指标。因此,学者在NIS的框架基础之上,加入了反向动力学,用以反向预测,即输入<math>y_{t+1}</math>,通过动力学学习器<math>g</math>之后,得到宏观量的反向预测值<math>\hat{y}_{t}</math>,使<math>y_{t+1}</math>和<math>\hat{y}_{t}</math>之间的损失值减少。通过训练反向动力学学习器<math>g</math>,影响编码器,进而影响EI值,使得此框架可以学到一个简并性低的动力学。 |