物理信息符号回归新框架FluxDisco：搜索空间缩小，方程恢复准确率飙升！
FluxDisco: Symbolic Regression for Stoichiometric Dynamical Systems via Monte Carlo Graph Search
📖 AI 总结
FluxDisco是一种面向化学计量动力系统的物理信息符号回归方法，旨在从含噪声数据中识别控制微分方程，同时确保表达式符合已知物理规律。传统动态符号回归常产生违反物理约束的结果，FluxDisco通过利用已知的化学计量关系，显著缩小表达式搜索空间并保证物理一致性。该方法基于蒙特卡洛图搜索算法，针对化学计量系统联合通量发现的独特挑战进行了专门调整。研究在多种物理与生物系统中验证了FluxDisco的性能，结果表明其能够通过可解释的方程准确恢复系统控制动力学。这一框架为复杂动力系统的可解释建模提供了有效工具，兼顾了预测精度与物理可解释性。
🔑 关键词速览
| 动态符号回归 | 一种从数据中自动发现数学表达式（如微分方程）的方法，用于建模动态系统。 |
| 化学计量系统 | 描述化学反应中物质数量关系的系统，其动态由通量（反应速率）决定。 |
| 物理信息框架 | 将物理定律（如质量守恒）融入机器学习模型，以提高预测的物理一致性。 |
| 蒙特卡洛图搜索 | 一种启发式搜索算法，通过随机采样和图结构探索来寻找最优解，常用于复杂组合优化问题。 |
| 通量发现 | 从数据中识别反应通量的函数形式，即确定反应速率如何依赖于状态变量。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅