물리학자들이 열광하는 AI 도구는 오픈소스다! 실험 데이터를 사용하여 물리적 공식을 직접 발견하고 노트북에서 실행할 수 있습니다.

물리학자를 황홀하게 만드는 AI 도구가 GitHub의 오픈 소스입니다!

Φ-SO라고 합니다. 데이터에서 직접 숨겨진 패턴을 찾아내고, 해당 수식을 한 번에 직접 제공할 수 있습니다.

전체 과정에서 슈퍼컴퓨팅을 사용할 필요가 없습니다. 노트북은 약 4시간 안에 아인슈타인의 질량 에너지 방정식을 풀 수 있습니다.

이 결과는 독일 스트라스부르 대학의 Data61 부서와 호주 연방 과학 산업 연구 기관에서 나온 것입니다. 논문의 제1저자에 따르면 이 연구는 1.5년이 걸렸으며 광범위한 관심을 받았습니다. 학계에서.

코드가 오픈 소스로 공개되면 별이 매우 빠르게 떠오릅니다.

Amazing을 직접 부르는 물리학자들 외에도, 같은 방법이 자신의 분야에 적용될 수 있는지 논의하기 위해 찾아온 다른 학문 분야의 연구자들도 있습니다.

Reinforcement Learning + Physical Condition Constraints

Φ-SO 그 뒤에 있는 기술은 Recurrent Neural Network(RNN) + Reinforcement를 사용하는 "Deep Symbolic Regression"입니다. 학습 달성했습니다.

먼저 이전 기호와 컨텍스트 정보를 RNN에 입력하고, 다음 기호의 확률 분포를 예측하고, 이 단계를 반복하여 수많은 표현식을 생성합니다.

동시에 물리적 조건은 사전 지식으로 학습 과정에 통합되어 AI가 실제 의미가 없는 공식을 공식화하는 것을 방지하여 검색 공간을 크게 줄일 수 있습니다.

AI가 원본 데이터에 가장 적합한 공식을 생성하도록 학습할 수 있는 강화 학습을 도입합니다.

기호 회귀 작업에서는 체스, 로봇 제어 등에 사용되는 강화 학습과 달리 최적의 공식을 찾는 방법에만 관심이 있고 신경망의 평균 성능에는 관심이 없습니다.

따라서 강화 학습 규칙은 후보 공식 중 상위 5%만 보상하도록 설계되었으며 나머지 95%를 찾는 데는 페널티가 없으므로 모델이 검색 공간을 완전히 탐색하도록 장려합니다.

연구팀은 감쇠 조화진동자의 해석적 표현, 아인슈타인의 에너지 공식, 뉴턴의 만유인력 공식 등 고전적인 공식을 사용해 실험을 진행했습니다.

Φ-SO는 데이터에서 이러한 공식을 100% 복원할 수 있으며 위의 방법은 필수입니다.

MLP의 다른 방법과 비교할 때 Φ-SO는 훈련 범위 밖에서도 더 나은 성능을 발휘합니다.

연구팀은 마침내 알고리즘 자체에는 개선의 여지가 있지만 주요 임무는 새로운 도구를 사용하여 알려지지 않은 물리 법칙을 발견하는 것으로 변경되었다고 밝혔습니다.

GitHub: ​​https://www.php.cn/link/c338d814c14c9d479eb5ec0b99d887f6​​
페이퍼: ​ ​https://www.php. cn/link/4738a8f6fab937d899ae9631beab116f​​

참조 링크: [1]​​​https://www.php.cn/link/5c 8cb735a1ce65dac514233cbd5576d6​ ​

위 내용은 물리학자들이 열광하는 AI 도구는 오픈소스다! 실험 데이터를 사용하여 물리적 공식을 직접 발견하고 노트북에서 실행할 수 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!