研究提出“无时间步”动力学仿真法：用自一致性迭代取代逐步时间推进

AI解读：传统仿真必须沿着时间一步步算，步数多、成本高。这篇arXiv论文提出另一种路径：为每个子系统训练一个神经代理，直接由完整驱动轨迹和初始条件生成完整输出轨迹，再像经典波形松弛法那样，强制各子系统轨迹互相自洽，把仿真变成一个固定点问题。在耦合van der Pol振荡器和Hodgkin-Huxley神经元网络上，求解只需 4–10 次牛顿迭代，而参考积分器要 1500 步；梯度计算也不再随时间递归，变成用GMRES求解线性系统，内存与求解器迭代深度无关。对做大规模耦合系统仿真或需反复求梯度的研究者，这意味着可能大幅减少计算开销。但方法依赖神经代理的精度，作者也指出代理误差会降低效果；且目前测试局限在两类经典系统，是否适用于更复杂的真实工程系统还需验证。研究仍处方法探索阶段，普通读者不需要据此调整工具选择。