一個讓物理學(xué)家狂喜的AI工具，在GitHub上開源了！

它名叫Φ-SO ，能直接從數(shù)據(jù)中找到隱藏的規(guī)律，而且一步到位，直接給出對應(yīng)公式。

整個過程也不需要動用超算，一臺筆記本大概4個小時就能搞定愛因斯坦的質(zhì)能方程。

這項成果來自德國斯特拉斯堡大學(xué)與澳大利亞聯(lián)邦科學(xué)與工業(yè)研究組織Data61部門，據(jù)論文一作透露，研究用了1.5年時間，受到學(xué)術(shù)界廣泛關(guān)注。

代碼一經(jīng)開源，漲星也是飛快。

除了物理學(xué)者直呼Amazing之外，還有其他學(xué)科研究者趕來探討，能不能把同款方法遷移到他們的領(lǐng)域。

強化學(xué)習(xí)+物理條件約束

Φ-SO背后的技術(shù)被叫做“深度符號回歸”，使用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）+強化學(xué)習(xí)實現(xiàn)。

首先將前一個符號和上下文信息輸入給RNN，預(yù)測出后一個符號的概率分布，重復(fù)此步驟，可以生成出大量表達式。

同時將物理條件作為先驗知識納入學(xué)習(xí)過程中，避免AI搞出沒有實際含義的公式，可以大大減少搜索空間。

再引入強化學(xué)習(xí)，讓AI學(xué)會生成與原始數(shù)據(jù)擬合最好的公式。

與強化學(xué)習(xí)用來下棋、操控機器人等不同，在符號回歸任務(wù)上只需要關(guān)心如何找到最佳的那個公式，而不關(guān)心神經(jīng)網(wǎng)絡(luò)的平均表現(xiàn)。

于是強化學(xué)習(xí)的規(guī)則被設(shè)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索空間。

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(jīng)典公式來做實驗。

Φ-SO都能100%的從數(shù)據(jù)中還原這些公式，并且以上方法缺一不可。

與其他方法入MLP相比，Φ-SO在訓(xùn)練范圍之外的表現(xiàn)也要更好。

研究團隊在最后表示，雖然算法本身還有一定改進空間，不過他們的首要任務(wù)已經(jīng)改成用新工具去發(fā)現(xiàn)未知的物理規(guī)律去了。

GitHub：??https://github.com/WassimTenachi/PhySO??
論文：??https://arxiv.org/abs/2303.03192??

參考鏈接：[1]???https://twitter.com/astro_wassim/status/1633645134934949888??