Denoising Hamiltonian Network for Physical Reasoning（对话版·精读）

先说说为什么这篇值得专门做一期

小播：老播，今天这篇《Denoising Hamiltonian Network for Physical Reasoning》，标题里有哈密顿网络、物理推理，听着像理论物理课。先问一句，这篇论文解决什么问题？为什么值得专门做一期？

老播：先给一句话背景。这是 Kaiming He 参与署名的一篇论文，作者阵容里有 MIT 的 William Freeman、斯坦福的 Leonidas Guibas，第一作者 Congyue Deng 现在是斯坦福博士生。论文做的事，是把经典力学里的哈密顿方程改造成一种神经网络算子，再用去噪的思路去训练它，让一个两层的小 transformer 同时完成预测轨迹、补全轨迹、猜系统参数、给稀疏轨迹插值四类任务。论文自己标注是 preliminary work，还在审稿，但方法上的想法很完整，值得单独拆开讲。顺便说个彩蛋：论文致谢里专门感谢了猫 Rell 提供 Figure 1 的照片，团队氛围挺轻松。

小播：等等，你说 Kaiming He 参与？那就跟 MAE、跟视觉自监督是同一个谱系了。

老播：对，这正是这期最重要的线索。DHN 的三大件——掩码建模、去噪、每轨迹一个可学习的 latent code——全是 He 组和视觉自监督、生成模型圈子用熟的工具，这篇把它们搬到了哈密顿力学上。本期要把「哈密顿神经算子 + 去噪」这个结合讲透：哈密顿结构给了什么，去噪又补了什么，最后说清楚为什么它是跟 He 组「对上话」的最好入口。

小播：好，那先把结论放这儿：这期最后要记住什么？

老播：记住一句话：这篇把「物理模拟」从「一步一步往前积分」重构成「对整段状态序列做去噪重建」，哈密顿量提供守恒结构，去噪负责修正数值误差、完成各种推理任务。这个视角跟视频生成模型整段去噪是同一个思路，区别在于作用对象从像素换成了物理状态。

小播：那这期的路线图是什么？

老播：四步。第一步铺垫，把哈密顿力学和 HNN 讲清楚，说它们卡在哪；第二步是核心，块级哈密顿量怎么建立跨时间步的关系，去噪怎么解决求解和误差问题；第三步看三场实验；第四步讲局限。公式不多，但每一条都会先给预期再逐符号拆开。

先把背景铺开：哈密顿力学和 HNN 卡在哪

小播：先从最基础的问起：哈密顿力学是什么？为什么做物理推理的人要用它？

老播：先给定义。一个物理系统的状态用相空间里的点表示，相空间坐标是 (q, p)：q 是广义坐标，p 是广义动量。单摆里 q 就是角度 θ，p 是角动量；多质点系统里 q 是位置，p 是动量。系统还有一个标量函数叫哈密顿量 H(q, p)，大多数情况下它等于系统的总能量。动力学由哈密顿方程决定：dq/dt = ∇_p H，dp/dt = −∇_q H。这条式子回答「状态怎么随时间运动」：状态沿着哈密顿量的梯度方向演化，而 H 本身在运动过程中保持不变——这就是能量守恒。

小播：所以哈密顿方程的好处是，只要把 H 学准，能量结构就被尊重了？

老播：对，2019 年 Greydanus 那篇 HNN 就是这个思路。它用一个神经网络去拟合 H(q, p; θ)，训练损失直接拿哈密顿方程当监督：L_HNN = ||∇_p H − dq/dt|| + ||∇_q H + dp/dt||。逐项看：∇_p H 是网络对动量求偏导，应该等于坐标的变化率 dq/dt；−∇_q H 应该等于动量的变化率 dp/dt。网络学的是「能量的形状」而不是「下一步去哪」，所以守恒性质写在结构里。推理时从初始状态出发，沿网络给出的梯度做数值积分，推整条轨迹。论文里的 HNN 基线配了好几种数值积分器，显式欧拉、四阶龙格库塔、辛积分器都有，不同组合的累积误差不一样，这正是 DHN 想绕开的部分。

小播：数值积分器的差别有这么关键吗？

老播：关键在长期行为。显式欧拉每步都有局部误差，误差随步数累积；辛积分器能保住相空间的体积结构，但不同的辛积分器误差行为也不一样。HNN 的梯度本身是对的，可只要积分器有近似，长期预报就会偏；论文实验里 HNN 配不同积分器，能量误差曲线差得非常多，正好说明问题出在积分这一步。

小播：那 HNN 的短板在哪？

老播：两个。第一，它只建模相邻时间步之间的局部关系：网络做的是 (q_t, p_t) 到 (q_{t+1}, p_{t+1}) 的一步更新，一次只看两步，长程的、系统级的相互作用看不到。第二，它只擅长前向模拟，给定初始条件往后推，轨迹补全、稀疏观测下的参数推断、超分插值这些「反过来」的任务做不了。举三个具体的例子：轨迹补全是轨迹中间缺了一段，要拿前后信息把缺口补上；参数推断是只看几帧观测，猜出摆长或者质量；超分插值是稀疏采样了几个点，要把中间的状态加密出来。这些任务在科学场景里都很常见，但 HNN 这条路线基本不覆盖。还有一个技术细节：HNN 必须跑数值积分器，积分器本身的近似会引入误差，长期预报时能量会漂移，这是 HNN 家族的普遍毛病。

小播：那为什么不直接用解析解？物理题不是都能算吗？

老播：论文里 Figure 2 把求解物理状态的路数分成三种，这个图值得仔细读。第一种是解析解，只有很规则的系统才有，比如自由落体 v = v0 + at，一个式子算到底，省事但适用范围窄。第二种是 PDE 加数值求解器，最通用，f = m·ẍ 这类局部关系一步一步积分，代价是误差累积。第三种是直接的非局部关系：某些系统里，时间上离得很远的状态能用全局守恒律直接连起来，比如机械能守恒 ½mv² = mgΔh，高中题里不用解整条轨迹就能算出速度。HNN 走的是第二种的路，DHN 想做的，是把第三种「用全局守恒律直接关联远距离状态」的能力装进黑盒神经网络，同时不丢掉第二种的通用性。这就是全文动机的核心。

小播：懂了，DHN 是冲着「局部 vs 全局」这个缺口去的。

老播：还有一层铺垫要交代。DHN 用到的两样工具，掩码建模和去噪，分别来自 MAE 和扩散模型。MAE 是 He 组 2022 年那篇，把图像随机遮掉 75% 的 patch，只留四分之一给网络看，让它从残缺像素重建整张图；扩散模型是 Ho 那篇 DDPM，把真实数据用 1000 步逐步加噪成纯噪声，再学一条反向链把它一步步还原。两件事的共同点：都让模型从「不完整的输入」里恢复「完整的输出」。记住这条线，一会儿看 DHN 怎么把它用到物理上——同样是遮掉一部分、加噪再还原，只不过对象从像素换成了物理状态。

核心思想：哈密顿神经算子怎么去噪

小播：好，进入正题。第一步，它怎么把哈密顿量变成能跨时间步的神经算子？

老播：这一步叫块级离散哈密顿量。预期是：把 b 个连续时间步的状态拼成一个块，让网络一次处理一整块，而不是只处理一对相邻状态。先铺垫一个概念：离散哈密顿量。连续哈密顿量给的是微分方程，离散版本直接给出两个相邻状态之间的关系，论文用「右哈密顿量」H+ 的写法：q_{t+1} = ∇_p H+(q_t, p_{t+1})，p_t = ∇_q H+(q_t, p_{t+1})。「右」的意思是 q 向前、p 向后。它比朴素的显式欧拉更保辛，也就是更接近真实系统的几何结构，但它是隐式的：新状态出现在等号两边，推理时要解一个优化问题才能算出来。

小播：隐式求解很麻烦吗？

老播：论文点破了这个难点：如果手里只有一条模拟轨迹、没有额外参考点，这个优化很难收敛。记住这个伏笔，去噪机制就是来替代这个求解过程的。现在写块级版本。把 b 个连续状态拼成块：Q_t^{t+b} = [q_t, ..., q_{t+b}]，P 同理，再引入步长 s，块级右哈密顿量把两个错开 s 步的块联系起来：

Q_{t+s}^{t+s+b} = ∇_P H+(Q_t^{t+b}, P_{t+s}^{t+s+b})，

P_t^{t+b} = ∇_Q H+(Q_t^{t+b}, P_{t+s}^{t+s+b})。

逐个符号解释：Q_t^{t+b} 是输入块里的 q 序列，P_{t+s}^{t+s+b} 是输出块里的 p 序列，网络 H+θ 对这两个块求梯度，得到另一侧的两个块。整条式子说：左侧块和右侧块通过同一个哈密顿量的梯度互相决定。块大小 b 和步长 s 是两个自由参数，经典 HNN 就是 b=1、s=1 的特例——一次只看一个状态，对应最局部的模型；b=4、s=2 的块一次看四个状态、错开两步，网络能在更宽的窗口里发现关系。论文里 Figure 4 左图就是 HNN 的块，右图就是 b=4、s=2 的块，可以对照着看。训练损失就是方程损失：L_block = ||∇_P H+θ 的输出 − 真实输出块|| + ||∇_Q H+θ 的输出 − 真实输入块||，也就是让网络梯度预测的块尽量贴近真实轨迹里的块。

小播：这个块级式子训练的时候怎么用？

老播：直接把真实轨迹切块当监督：取一段轨迹，把 Q 块和 P 块喂进去，网络对它们求梯度，预测出另一侧的两个块，损失就是预测块和真实块的均方误差。训练时滑动窗口扫过整条轨迹，所以网络见过的都是真实块之间的关系，推理时它才能反过来从部分状态推完整状态。注意一个细节：输入输出有 b−s 步重叠，重叠区的状态既当输入又当输出，这个自洽约束是能量守恒能在块里成立的条件，也是后面 b、s 选择的关键。

小播：那问题来了：b 大于 1 的时候，它还叫哈密顿量吗？能量守恒还在吗？

老播：这是附录 B 专门回答的问题，也是全文最需要耐心的一段。答案：守恒量还在，但从「单个状态的能量」变成了「b 个独立系统的总能量」。怎么理解：一个大小为 b 的块里 b 个状态，可以看成 b 个一模一样的物理系统、各自从不同的起始时刻开始演化；到了某个共同时刻，把这 b 个系统的状态摞在一起，正好拼出一个横跨 b 个时间步的块。这 b 个系统互不作用，所以守恒的是它们的总能量。这样做带来两个松弛：第一，约束从逐状态守恒变成块内总能量守恒，允许块内能量分布不同，约束变弱；第二，当步长 s 小于块大小 b 时，输入输出有 b−s 个时间步的重叠，比如 b=4、s=2 就有 2 步重叠，严格守恒要求重叠区状态完全一致，但训练时这个自洽损失很少能压到零。所以守恒是近似保证，代价是物理约束变弱，收益是网络能一次看到 b 个状态、建立跨时间步的关系。

小播：这一步解决了「局部 vs 全局」。那去噪解决什么？

老播：去噪同时解决两个问题，这是全文第二个关键设计。第一个是前面说的隐式求解：离散哈密顿量的更新推理时要解优化，手里只有一条轨迹的话很难收敛。第二个是数值积分误差的累积。做法是掩码加噪声一起上：训练时随机把块里一部分状态遮掉，硬掩码直接挖空，软掩码注入不同幅度的高斯噪声。公式是 A′ = A·(1−M)，Q̃ = (1−A′)·Q + A′·E。逐个符号看：M 是二值掩码，未知状态记 0、已知状态记 1；A 是每个状态各自的噪声尺度；已知状态的噪声尺度被乘成 0，未知状态按各自随机尺度加噪；E 是采样的高斯噪声。网络的任务，是把带噪、缺位的状态块还原成物理上有效的状态。

小播：这跟扩散模型的去噪是一回事吗？

老播：论文明确说受扩散模型启发，推理时用的就是一套扩散式的渐进去噪。噪声水平序列取 0 = α_0 < α_1 < ... < α_N = 1，从纯噪声出发，每一步让网络先预测干净状态，再往干净方向走一步：

(q̂_0, p̂_0) = DHN(q_n, p_n)，

(q_{n−1}, p_{n−1}) = (1−α_{n−1})(q̂_0, p̂_0) + α_{n−1}·ε。

先给预期：这条式子回答「已知当前噪声水平 α_n 的状态，怎么迈向更干净的一步」。逐符号看：DHN 先预测干净状态 (q̂_0, p̂_0)；(1−α_{n−1}) 决定保留多少预测结果，α_{n−1} 决定掺回多少重新采样的高斯噪声 ε；α 从 1 递降到 0，状态就从纯噪声平滑地落到物理有效轨迹上。举个具体的刻度：α=1 表示纯噪声，α=0 表示完全干净的状态，推理时从 1 出发，每步把噪声水平降一档，一路走到 0，中间经过多少个档位就是多少步去噪。这套采样和 DDPM 几乎同构，论文直接引了 Ho 2020 和 Song 2020。训练时 H+ 和 H− 成对交替应用：H+ 从 (Q_t, P_{t+s}) 推 (Q_{t+s}, P_t)，H− 反着推，两者互相吃对方的输出，交替作用让整块状态从两头往中间收敛；去噪步数在实验里固定为 10。

小播：所以去噪把「解优化」换成了「一次网络前向」？

老播：对，这就是它的作用：每时间步的状态求解被建模成去噪，推理时不用跑优化器，网络前向就把状态修到物理自洽；积分误差的累积也被当成噪声逐步消掉。训练时随机采样噪声尺度，让模型适应各种噪声条件；推理时用递减尺度统一去噪，训练和推理的灵活性都来自这里。这一段就是「哈密顿结构 + 去噪」结合的核心：哈密顿量提供跨时间步的结构约束，去噪提供求解能力和误差修正。用一句话概括：没有去噪，块级哈密顿量在推理时是解不动的；没有哈密顿结构，去噪出来的轨迹不保证守恒。两者缺一不可。

小播：为什么训练时要随机采样噪声尺度，而不是固定用一个？

老播：因为推理时的任务千差万别：前向预测是从干净的已知状态推未来，补全是从部分干净、部分缺失的状态恢复，超分是从稀疏采样加密。如果训练只见过一种噪声水平，推理时换个任务就懵了；随机尺度让模型在从纯噪声到几乎干净的整条轴上都能干活。噪声水平序列从 0 排到 1，0 是完全干净、1 是纯噪声，训练时每个状态独立采样尺度，已知状态强制归 0，未知状态随机取——这样一个模型天然覆盖三种任务的输入分布。

小播：那一个模型怎么同时干前向预测、插值、参数推断三件事？

老播：靠掩码模式，论文设计了三种。自回归模式：遮掉块末尾的几个状态，推理时用已知历史推未来，对应物理模拟；超分模式：遮掉块中间的状态，两边已知推中间，对应插值；随机掩码：任意位置随机遮，对应表征学习——网络被迫从残缺输入里提炼整个系统的信息。训练时按需混合这些模式，推理时选对应掩码就行，架构完全不用换。Figure 6 三行分别画了这三种模式，灰方块是已知状态、灰圆圈是未知状态，虚线框是滑动的哈密顿块。

小播：架构本身长什么样？

老播：一个去掉因果掩码的 decoder-only transformer。把 Q 块、P 块、全局 latent code z 拼在一起，得到 2b+1 个 token，做全自注意力——没有因果掩码，所以每个状态都能看到块内所有状态。每个状态的噪声尺度被编码后加进位置嵌入，让网络知道这个状态脏到什么程度；z 作为 query token，负责输出哈密顿量的值。实验里只有两层，单 GPU 就能训。z 还有一个更重要的角色，autodecoder：它不用 encoder 去编码轨迹，而是给整个数据集维护一个 codebook，每条轨迹分配一个可学习的 z；训练时网络权重和所有 z 一起优化，测试时冻结网络权重、只优化新轨迹的 z。这样 z 就承担了系统识别：不同绳长的摆对应不同的 z，一个模型就能跨系统泛化。这个做法来自 DeepSDF，2019 年 Park 那篇，是隐式表征的成熟范式。

小播：z 一开始是随机初始化的，它怎么学到绳长这种物理量？

老播：靠训练时和网络一起优化。每条轨迹只有一个 z，网络权重是共享的，所以 z 必须把这条轨迹独有的信息都装下：绳长、质量这些系统参数，只能从 z 里来。测试时给新轨迹几个已知状态，冻结网络只调 z，等于在 latent 空间里搜索这个系统对应的编码，搜到之后整条轨迹的补全、加密就都能做了。实验里线性探针能从 z 直接读出 l2/l1，说明这个编码确实装的是物理参数，装对了。

小播：好，核心思想我理一遍：块级哈密顿量给结构，去噪给求解和修正，latent code 管多系统。对？

老播：对，而且记住一句话——物理推理在这里被重构成了对整段状态序列的去噪重建，一步一步积分变成了整段重建。这个说法后面还会再出现，它是全篇最值得带走的主张。

三场考试：前向模拟、参数推断、超分插值

小播：方法讲完，我有个疑问：三场考试的输入输出完全不同，怎么确保是同一套模型在干活？

老播：这正是掩码模式的意义，也是这个设计最妙的地方。三场考试对应三种掩码：自回归掩码考前向模拟，随机掩码考参数推断，中间掩码考插值。训练时三种掩码混合出现，模型学的是同一个从残缺物理状态恢复完整状态的能力，测试时只是换掩码，权重完全一样。所以实验里只有一套模型，换掩码考三次。

小播：实验怎么设计的？先报数据设置。

老播：两个系统：单摆和双摆。单摆变化参数是绳长 l，均匀随机取 [0.5, 1.0]，质量 m=1，初始角 θ=π/2 对所有轨迹都一样；双摆变化参数是第二段绳长 l2，取 [0.5, 1.5]，l1=1、m1=m2=1，初始角也都固定。重力加速度取 g=0.981。数据是模拟轨迹，1000 条训练、200 条测试，每条 128 个时间步。重点：变化的是系统参数，初始状态全部固定——这跟 Toth 那篇固定参数、变初始条件的做法正好相反，用来测模型能不能泛化到参数化的系统族，而不只是拟合一条具体轨迹。单摆能量可以从状态解析算出来，所以拿它测能量守恒；双摆是混沌系统，初始条件差一点点，未来轨迹就会彻底分岔，所以长程预报本身是更难的任务。

小播：第一场考试，前向模拟，考什么？

老播：两个子实验。第一个是拟合已知轨迹：给每条轨迹前 8 步，预测后面 120 步。看 Figure 9，粉红色是 DHN，蓝色是 HNN 配不同数值积分器，四列分别是单摆的 q 误差、平均能量误差、单条轨迹能量误差、双摆的 q 误差，横轴都是时间步。DHN 的 q 误差全程更低，总能量误差贴近零、只有小幅波动；HNN 某个积分器在单条轨迹上的能量误差会出现几个单位量级的尖峰，这就是积分器误差的累积。块大小也有讲究：b=2 时能量最稳，b 加大后长程会有波动，但论文说看不出明显的漂移趋势。第二个子实验是补全新轨迹：给前 16 步，先冻结网络权重、只优化这条轨迹的 z，再预测后 112 步。看 Figure 10，上排对比 HNN，下排对比没有任何物理约束的 vanilla ResNet 和 Transformer，注意上下两排 y 轴刻度不一样，别直接比数值。小 block 的 DHN 在 q 误差和能量误差上都更稳；但 b=8 的大 block 在长程会误差爆炸，论文的解释是两层 transformer 拟合不了太复杂的多状态关系。

小播：能量误差为什么单独拿出来看？

老播：因为 q 误差小可能只是轨迹恰好贴近，能量误差才是守恒性的直接证据。单摆能量能从 (q, p) 解析算出来，拿网络预测的状态算出能量，再跟真实能量比，误差小说明模型没有偷偷让能量漂走。DHN 的能量误差曲线贴着零走，HNN 的某些积分器在单条轨迹上能冲出几个单位的尖峰——同样是把哈密顿量学对了，积分器的选择把结果拉开了。

小播：第二场考试，参数推断，怎么考的？

老播：用双摆，目标是猜长度比 l2/l1。选这个量是因为它无量纲，数据预处理做了缩放归一化也保持不变。做法是标准的自监督评测套路：冻结学好的表征，在全局 latent code z 上接一个线性回归层，看能从 z 里读出多少物理参数。看 Figure 11，纵轴是探针 MSE，越低越好：DHN 三种块大小在 0.17 到 0.19，最好的 b=4 是 0.169；HNN 是 0.311；vanilla ResNet 和 Transformer 在 0.228 到 0.317。差距的来源就是块大小——b 让网络同时看多个时间步，z 里就攒下了系统级信息，而 HNN 只看相邻步，表征里缺这块信息。论文还扫了块参数，Figure 12：步长大约等于块大小一半，也就是 s≈b/2 时最好；重叠太多，网络只顾着自洽约束、跨状态关系学得少；重叠太少，信息传得远但稳定性差。b=4、s=2 正好落在最优点上。

小播：第三场考试，超分插值？

老播：把稀疏轨迹加密，做 4 倍超分：连续做两次 2 倍超分，每次用一个 b=2、s=1 的块，遮中间状态、用两侧已知状态推。三个阶段共享同一条轨迹的 z，形成结构化的 codebook。看 Figure 14，纵轴是乘了 100 的 MSE：同初始条件的测试段，CNN 基线略好一点，数值接近零，原因是 CNN 没有正则化、能直接过拟合训练轨迹；换到不同初始条件的测试段，CNN 的插值误差大幅上升，单摆到 0.680、双摆到 25.020，而 DHN 基本持平，单摆 0.035、双摆 6.801。这说明物理约束带来的泛化能力，在分布偏移下才真正显出来。三场考试正好对应三种掩码模式：自回归掩码考前向模拟，随机掩码考参数推断，中间掩码考插值，一套架构全部拿下。

小播：等一下，同初始条件 CNN 反而更好，这不算是论文的软肋吗？

老播：算，我们把它记进局限里。论文自己的解释是 CNN 能过拟合训练分布，所以同分布测试占便宜；这恰好反过来说明 DHN 的收益主要来自分布外泛化，分布内拟合它没有优势。后面讲局限时再展开。

它在哪条谱系上：和谁比、好在哪里

小播：把 DHN 放进谱系里，它站在哪？

老播：三条线交汇。第一条是哈密顿和拉格朗日神经网络线：HNN 是 Greydanus 2019 那篇，学连续哈密顿量加数值积分；HGN 是 Toth 2019 那篇，从图像序列学哈密顿动力学；后面还有 Finzi 2020 的显式约束版本、SymODEN 加耗散项的版本。DHN 的改进是把 HNN 当成 b=1、s=1 的特例，用块大小和步长把「局部到全局」变成连续谱，顺手解决积分器和隐式求解的问题。第二条是 PDE 线：PINN 把 PDE 损失嵌进网络，FNO 用傅里叶变换学函数空间映射，Neural ODE 参数化连续时间动力学；它们面向连续时空和规则采样，对离散、不规则采样的哈密顿动力学并不顺手，论文在 Related Work 里明确说了这个区别。第三条是生成模型和自监督线：掩码建模来自 MAE，去噪来自 DDPM，autodecoder 来自 DeepSDF，整段序列去噪重建来自视频生成模型的思路，论文引了 Diffusion Policy 那批工作。

小播：所以它跟 He 组的对话，具体对在哪几个点？

老播：三个点。第一，MAE 的随机掩码被改造成物理版的掩码加噪声；第二，MAE 用 encoder 重建像素，DHN 用去噪重建物理状态，重建目标从像素换成了哈密顿结构约束下的状态；第三，autodecoder 的每样本可学习编码，对应 MAE 和 DeepSDF 的 latent 范式。加上 Kaiming He 本人就在作者名单里，这篇几乎是 He 组工具箱在物理动力学上的直接演示。它处的位置：把生成式去噪的目标完整接到物理算子上，物理推理作为重建问题，这是它和同批物理学习论文拉开距离的地方。

小播：整段序列去噪重建，这个说法跟视频生成有什么关系？

老播：直接关系。论文在结论里说，模拟被重新定义成一个全局、时间一致的重建过程，这明显借了视频生成模型的思路——扩散视频模型也是一整段序列一起去噪，而不是逐帧预测。DHN 等于把逐帧预测的模拟改成整段去噪的模拟，任务定义一变，补全、插值、参数推断这些从局部观测推全局的问题就自然落入同一框架。这也是它和 Diffusion Policy 那批工作被引在同一处的原因。还有一个差异值得说：系统参数被放进了 latent code 而不是显式条件输入，测试时通过优化 z 适配新系统，相当于把 test-time adaptation 也揉进了物理模型。

局限：哪些地方它自己都说没做好

小播：现在说局限，哪些是论文自己承认的？

老播：第一条，计算成本。论文在结论里直接说，DHN 比 baseline transformer 需要更密集的梯度计算。第二条，规模。实验只有单摆、双摆这类简单时域动力学，扩展到复杂时空系统需要层级或注意力结构，论文没做。第三条，大块不 work：b=8 长程误差爆炸，说明当前两层架构的容量撑不起太大的块。

小播：那哪些是我们读出来的？

老播：第四条，能量守恒是松弛过的近似：守恒的是块内总能量，而且重叠区的自洽损失很少真正归零，守恒程度取决于网络容量和 b、s 的选择，论文附录 B 自己承认了这一点，但没有给定量数字。第五条，证据链不完整：Figure 9 和 Figure 10 大部分结果只有曲线没有表格数值，去噪步数固定 10 也没有消融，代码和权重没发布，论文标注还在审稿。第六条，推理期每条新轨迹都要先优化 z，这个优化本身有成本，遇到含噪声观测或者优化不收敛时表现会怎样，论文没有讨论。另外同初始条件的超分实验 CNN 反而更好，说明分布内拟合它没有优势，卖点全押在分布外泛化上。

小播：这些局限里，哪一条最影响实用性？

老播：如果只挑一条，我选计算成本加推理优化这一对。训练时梯度更密，推理时每条新轨迹还要先优化 z，两者叠加，跟 HNN 那种训完直接积分的用法比，部署成本明显更高。加上能量守恒是近似保证，真要拿去给科学实验当可信工具，还需要更严格的误差控制。

收尾：这期记住三件事

小播：好，最后请老播把三件事钉死。第一件？

老播：哈密顿量被神经算子化，而且从「相邻两步」推广成「一块 b 个状态」：块级离散哈密顿量让网络建立跨时间步的关系，守恒量变成块内总能量，HNN 只是 b=1、s=1 的特例。这是「结构」那一半。

小播：第二件？

老播：去噪是「灵活」那一半：掩码加变幅度噪声训练，推理时渐进去噪，一次前向替代了隐式求解的优化过程，也修正了数值积分误差；一个目标同时支撑前向模拟、插值、参数推断。再重复一遍核心结论：DHN 把物理推理重构成对整段状态序列的去噪重建，一步一步积分变成了整段重建，这是它区别于所有逐步积分方法的地方。

小播：第三件？

老播：它是跟 He 组对上话的好入口：MAE 的掩码、扩散的去噪、DeepSDF 的 autodecoder，三件套都在，只是作用对象从图像变成了哈密顿结构约束下的物理状态。对后续工作的意义：物理推理作为重建问题这个视角，加上「一个 latent code 管一个系统」的多系统建模，值得在更大规模、更复杂系统上验证。

小播：好，这期我们记住：哈密顿结构给守恒，去噪给求解和修正，整段重建给任务泛化。下期见。

老播：下期见。