arXiv 2026年10月5日该工作提出 Dirac 互联神经元素（DINEs），将物理系统建模为微分代数方程（DAE），其代数约束由核表示下的 Dirac 结构给出，从而在数据中同时识别组件之间的互联（作为 Dirac 结构）并学习各组件特性（作为神经网络），使学到的子系统保持未约化形式、可隔离或组合成新系统而无需重新训练，并能处理部分可观测系统。该工作提出 Dirac 互联神经元素（DINEs），将物理系统建模为微分代数方程（DAE），其代数约束由核表示下的 Dirac 结构给出，从而在数据中同时识别组件之间的互联（作为 Dirac 结构）并学习各组件特性（作为神经网络），使学到的子系统保持未约化形式、可隔离或组合成新系统而无需重新训练，并能处理部分可观测系统。DINEs 把物理系统表示为带 Dirac 结构代数约束的微分代数方程，从数据中同时识别组件互联并学习组件特性，使子系统无需重训即可拆分或组合该工作提出 Dirac 互联神经元素（DINEs），将物理系统建模为微分代数方程（DAE），其代数约束由核表示下的 Dirac 结构给出，从而在数据中同时识别组件之间的互联（作为 Dirac 结构）并学习各组件特性（作为神经网络），使学到的子系统保持未约化形式、可隔离或组合成新系统而无需重新训练，并能处理部分可观测系统。该工作提出 Dirac 互联神经元素（DINEs），将物理系统建模为微分代数方程（DAE），其代数约束由核表示下的 Dirac 结构给出，从而在数据中同时识别组件之间的互联（作为 Dirac 结构）并学习各组件特性（作为神经网络），使学到的子系统保持未约化形式、可隔离或组合成新系统而无需重新训练，并能处理部分可观测系统。