本記事では、消散型ダイナミクスの学習に関する新しい手法「I-OnsagerNet」を提案しています。消散型システムはポリマーやアクティブマター、学習アルゴリズムなどの分野で見ることができ、エネルギーの消散や時間の不可逆性が重要な特徴です。しかし、これらのシステムのダイナミクスをデータから定量化することは難しく、正確で解釈可能なモデルの構築が求められています。I-OnsagerNetは、時間的な軌道から消散型確率ダイナミクスを直接学習し、解釈可能性と一意性を保証します。具体的には、ヘルムホルツ分解に従って、学習されたポテンシャルが定常密度から取得され、ドリフトが時間可逆と不可逆の成分に分解されます。この手法を用いることで、エントロピー生成や不可逆性の定量化が可能となり、平衡からの偏差を検出するための原則的な方法を提供します。ポリマーの伸長フローや確率勾配ランジュバン動力学への応用は、新たな知見をもたらしました。