潜空间动力学

是什么

三步走：encoder: u → z（低维）、z(t) → z(t+Δt) 的动力学模型、 decoder: z → u。由于演化只在几十维的潜空间进行，长时推演的计算量极小， 同时非线性编码器能表达 POD 表达不了的弯曲解流形。

关键要点

• 为什么比 POD 强：对行波、移动激波这类”线性子空间维数很高”的问题，非线性编码器能用很少的自由度表示。
• 动力学模型选择：线性（DMD/Koopman）可解释但表达力弱；神经 ODE 灵活但训练贵；RNN/LSTM 简单但长时易漂移。
• 可解释性代价：潜变量通常没有物理含义，难以直接约束守恒律，需要在损失里显式加物理正则。
• 训练策略：先单独训自编码器重建，再冻结编码器训动力学，通常比端到端更稳。

常见误区 / 边界

• 潜空间维度不是越小越好：过小会丢失物理，表现为”重建误差低但推演发散”。
• 解码误差会被动力学放大，评估时一定要看推演误差而非重建误差。