一個讓物理學家狂喜的 AI 工具，在 GitHub 上開源了！
它名叫Φ -SO ，能直接從數據中找到隐藏的規律，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 個小時就能搞定愛因斯坦的質能方程。
這項成果來自德國斯特拉斯堡大學與澳大利亞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。
代碼一經開源，漲星也是飛快。
除了物理學者直呼 Amazing 之外，還有其他學科研究者趕來探讨，能不能把同款方法遷移到他們的領域。
Φ -SO 背後的技術被叫做 " 深度符号回歸 "，使用循環神經網絡（RNN）+ 強化學習實現。
首先将前一個符号和上下文信息輸入給 RNN，預測出後一個符号的概率分布，重複此步驟，可以生成出大量表達式。
同時将物理條件作爲先驗知識納入學習過程中，避免 AI 搞出沒有實際含義的公式，可以大大減少搜索空間。
再引入強化學習，讓 AI 學會生成與原始數據拟合最好的公式。
與強化學習用來下棋、操控機器人等不同，在符号回歸任務上隻需要關心如何找到最佳的那個公式，而不關心神經網絡的平均表現。
于是強化學習的規則被設計成，隻對找出前 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典公式來做實驗。
Φ -SO 都能 100% 的從數據中還原這些公式，并且以上方法缺一不可。
與其他方法入 MLP 相比，Φ -SO 在訓練範圍之外的表現也要更好。
研究團隊在最後表示，雖然算法本身還有一定改進空間，不過他們的首要任務已經改成用新工具去發現未知的物理規律去了。
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
