机构名称：
¥ 1.0
理论物理学与人类活动的所有领域一样，都受到发展时期流行的思想流派的影响。因此，我们所知道的物理理论不一定是解释实验数据的最简单的理论，而是最自然地遵循当时的先前理论的理论。广义相对论和量子理论都是建立在经典力学的基础上的——它们分别在非常大和非常小的受限范围内取得了令人印象深刻的成功，但从根本上来说它们是不相容的，正如黑洞信息丢失悖论 [1,2] 等悖论所反映的那样。这提出了一个有趣的问题：如果我们假设没有物理先验知识，量子物理定律和其他更普遍的物理理论是否是解释实验数据的最自然的定律？虽然这个问题在不久的将来可能不会得到解答，但人工智能的最新进展使我们朝这个方向迈出了第一步。在这里，我们研究神经网络是否可用于从实验数据中发现物理概念。以前的工作。 — 使用机器帮助发现实验数据背后的物理定律这一目标已经在多个方面得到追求（有关更详细的概述，请参阅补充材料（SM）[3]，有关最新评论，请参阅参考文献[30 – 33]）。许多早期工作集中于寻找描述给定数据集的数学表达式（例如，参见参考文献[34 – 36]）。例如，在参考文献[35]中，一种算法通过在给定输入变量的数学表达式空间中搜索，恢复了简单机械系统（如双摆）的运动定律。最近，在从实验数据中提取动力学方程方面取得了重大进展[37 – 45]。这些方法非常实用，并已成功应用于复杂的物理系统，但需要对感兴趣的系统有先验知识，例如以知道系统的基本结构是什么的形式。
利用神经网络发现物理概念
主要关键词
相关文件推荐
