Das KI-Tool, von dem Physiker begeistert sind, ist Open Source! Mithilfe experimenteller Daten können Sie physikalische Formeln direkt ermitteln und auf Ihrem Laptop ausführen

Ein KI-Tool, das Physiker in Ekstase versetzt, ist Open Source auf GitHub!

Es heißt Φ-SO Es kann versteckte Muster direkt aus den Daten finden und die entsprechende Formel direkt in einem Schritt bereitstellen.

Der gesamte Prozess erfordert keinen Supercomputer, Ein Laptop dauert etwa 4 Stunden #🎜 🎜#Sie können Einsteins Masse-Energie-Gleichung lösen.

Dieses Ergebnis stammt von der Data61-Abteilung der Universität Straßburg in Deutschland und dem australischen Commonwealth Scientific and Industrial Research Organisation: Nach Angaben des Erstautors der Arbeit dauerte die Forschung 1,5 Jahre und fand in der akademischen Gemeinschaft breite Beachtung.

Sobald der Code Open Source ist, geht der Stern sehr schnell auf.

Neben Physikern, die Amazing direkt anrufen, sind auch Forscher aus anderen Disziplinen gekommen, um zu diskutieren, ob sie es können Die gleiche Methode migriert in ihre Domäne.

# 🎜 🎜#

Verstärkendes Lernen + Einschränkungen der körperlichen Verfassung

Die Technologie hinter Φ-SO heißt „tiefe symbolische Regression“ und verwendet

wiederkehrende neuronale Netzwerke (RNN) + Verstärkungslernen Implementierung. Geben Sie zuerst das vorherige Symbol und die Kontextinformationen in RNN ein, sagen Sie die Wahrscheinlichkeitsverteilung des nächsten Symbols voraus und wiederholen Sie diesen Schritt, um eine große Anzahl von Ausdrücken zu generieren.

Gleichzeitig werden körperliche Gegebenheiten als Vorwissen in den Lernprozess einbezogen, um KI-Formeln zu vermeiden, die keine tatsächliche Bedeutung haben und diese stark reduzieren können der Suchraum.

Führen Sie dann Reinforcement Learning ein, damit die KI lernen kann, die Formel zu generieren, die am besten zu den Originaldaten passt.

Im Gegensatz zum verstärkenden Lernen, das zum Schachspielen, Steuern von Robotern usw. verwendet wird, müssen Sie sich bei symbolischen Regressionsaufgaben nur darum kümmern, wie Sie die beste Formel finden, und nicht um den Durchschnitt Leistung des neuronalen Netzwerks.

Die Regeln des verstärkenden Lernens sind also darauf ausgelegt, nur die besten 5 % der Kandidatenformeln zu belohnen und die anderen 95 % nicht zu bestrafen, um das Modell zu ermutigen, den Suchraum vollständig zu erkunden.

Das Forschungsteam verwendete klassische Formeln wie den analytischen Ausdruck gedämpfter harmonischer Oszillatoren, Einsteins Energieformel und Newtons universelle Gravitationsformel, um Experimente durchzuführen.

Φ-SO kann diese Formeln zu 100 % aus den Daten wiederherstellen, und die oben genannten Methoden sind unverzichtbar.

Verglichen mit anderen Methoden in MLP schneidet Φ-SO auch außerhalb des Trainingsbereichs besser ab.

Das Forschungsteam stellte schließlich fest, dass es zwar noch Raum für Verbesserungen beim Algorithmus selbst gibt, ihre Hauptaufgabe jedoch darin besteht geändert Nutzen Sie neue Werkzeuge, um unbekannte physikalische Gesetze zu entdecken.

GitHub: 887f6​ ​Papier: #🎜 🎜 #​
​https ://www.php.cn/link/4738a8f6fab937d899ae9631beab116f​​#🎜 🎜# Referenzlink: #🎜 🎜## 🎜🎜#[1]​

​

#🎜 🎜#​https://www.php.cn/link/5c8cb735a1ce65dac514233cbd 5576d6 ​​# 🎜🎜 #

Das obige ist der detaillierte Inhalt vonDas KI-Tool, von dem Physiker begeistert sind, ist Open Source! Mithilfe experimenteller Daten können Sie physikalische Formeln direkt ermitteln und auf Ihrem Laptop ausführen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!