学习局部交互离散动力系统：迈向高效数据和可扩展预测

局部相互作用动力系统，如流行病传播、谣言传播和森林火灾，表现出由动态元素之间的局部、相对简单和通常随机的相互作用产生的复杂全局动态。我们提出了 AR-NCA（Attention Recurrent Neural Cellular Automata），通过以置换 - 不变的方式在相邻细胞之间关联时间信息，从而有效发现未知的局部状态转换规则。AR-NCA 在各种系统配置（即状态的空间分布）、极度数据有限的情况下，甚至在存在随机相互作用的情况下，显示出卓越的泛化能力、数据效率和鲁棒性，以及空间维度无关的可扩展性。