مقاله بر این اساس تهیه شده است نخ فیزیک نجومی وسیم تناچی
🤓 Φ-SO - بسته بهینه سازی نمادین فیزیکی! پس از 1.5 سال کار سخت، ما از یادگیری تقویتی عمیق برای ایجاد ابزاری استفاده کردیم که بتواند تشخیص دهد قوانین فیزیکی بر اساس داده ها
💡 Φ-SO اولین روش رگرسیون نمادین است که از واحدها در زمینه فیزیک برای محدود کردن تولید معادلات استفاده می کند که منجر به بهبود عملکرد قابل توجهی می شود.
ما قدرت آن را در نموداری نشان می دهیم که کوچک شدن فضای جستجو را نشان می دهد.
🧐 الگوریتم ما می‌تواند به کشف قوانین فیزیکی ساده و پیچیده از داده‌ها با بررسی مبادلات بین پیچیدگی و دقت کمک کند. ما مفتخریم که Φ-SO بیان نسبیتی انرژی ذرات و همچنین تقریب کلاسیک را دوباره کشف کرده است.
🔍 شبکه های عصبی ابزارهای عالی برای مدل سازی سیستم های فیزیکی هستند، اما فاقد توانایی هستند تفاسیر و تعمیم ها.
👉Φ-SO این فرصت را به ما می دهد تا این "جعبه های سیاه" را باز کنیم و معادلات زیربنایی آنها را بازسازی کنیم.
🤯 به عنوان مثال، بیان تحلیلی ممکن است برای تعمیم فراتر از محدوده آموزشی بسیار بهتر از MLP باشد.
ما تمرین می کنیم RNN ایجاد عبارات با استفاده از RL و برای آموزش قوانین واحد خود، حدود واحدهای زندگی را محاسبه کنید RNN. اگر شما علاقه مندید SR، پس کار ما ممکن است برای شما مفید باشد - ما از روش های مشابه B. Petersen و @Landajuela_M در کار بزرگ شما DSR.
می توانید جزئیات و جزئیات بیشتر و همچنین چت با نویسنده توسعه را در اینجا بیابید github!
نویسنده ترجمه: @eso97g13
VC | تلگرام | توییتر | یوتیوب | سایت اینترنتی
