At a fundamental level most physical equations are time reversible. In this paper we propose an integrator that preserves this property at the discrete computational level. Our simulations can be run forward and backwards and trace the same path exactly bitwise. We achieve this by implementing theoretically reversible integrators using a mix of fixed and floating point arithmetic. Our main application is in efficiently implementing the reverse step in the adjoint method used in optimization. Our integrator has applications in differential simulations and machine learning (backpropagation).
翻译:在基本水平上,大多数物理方程式都是可逆时间的。 在本文中, 我们提议一个集成器, 将这一属性保存在离散计算水平上。 我们的模拟可以向前和向后运行, 并精确跟踪相同的路径 。 我们通过使用固定和浮点算法混合使用理论上可逆的集成器, 实现这一点。 我们的主要应用是高效地执行在优化中使用的连接方法中的反向步骤 。 我们的集成器可以应用差异模拟和机器学习( 背对映法 ) 。