物理學家狂喜的AI工具開源了！靠實驗數據直接發現物理公式，筆記本就能跑

一個讓物理學家狂喜的AI工具，在GitHub上開源了！

它名叫Φ-SO ，能直接從資料中找到隱藏的規律，而且一步到位，直接給出對應公式。

整個過程也不需要動用超算，一台筆記本大概4小時就能搞定愛因斯坦的質能方程式。

這項成果來自德國史特拉斯堡大學與澳洲聯邦科學與工業研究組織Data61部門，據論文一作透露，研究用了1.5年時間，受到學術界廣泛關注。

程式碼一經開源，漲星也是飛快。

除了物理學家直呼Amazing之外，還有其他學科研究者趕來探討，能不能把同款方法遷移到他們的領域。

強化學習物理條件約束

Φ-SO背後的技術被稱為“深度符號回歸”，使用循環神經網路（RNN） 強化學習實現。

先將前一個符號和上下文資訊輸入給RNN，預測出後一個符號的機率分佈，重複此步驟，可以產生大量表達式。

同時將物理條件作為先驗知識納入學習過程中，避免AI搞出沒有實際意義的公式，可以大幅減少搜尋空間。

再引入強化學習，讓AI學會產生與原始資料擬合最好的公式。

與強化學習用來下棋、操控機器人等不同，在符號迴歸任務上只需要關心如何找到最佳的那個公式，而不關心神經網路的平均表現。

於是強化學習的規則被設計成，只對找出前5%的候選公式做獎勵，找出另外95%也不做懲罰，鼓勵模型充分探索搜尋空間。

研究團隊用阻尼諧振子解析表達式、愛因斯坦能量公式，牛頓的萬有引力公式等經典公式來做實驗。

Φ-SO都能100%的從資料中還原這些公式，且以上方法缺一不可。

與其他方法入MLP相比，Φ-SO在訓練範圍外的表現也要更好。

研究團隊在最後表示，雖然演算法本身還有一定改進空間，不過他們的首要任務已經改成用新工具去發現未知的物理規律去了。

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

#參考連結：[1] #https://www.php.cn/link/5c8cb735a1ce65dac514233cbd5576d6

############################################################

以上是物理學家狂喜的AI工具開源了！靠實驗數據直接發現物理公式，筆記本就能跑的詳細內容。更多資訊請關注PHP中文網其他相關文章！