详细内容或原文请订阅后点击阅览
人工智能学会逆向工作并揭示自然中隐藏的力量
一项新的人工智能突破帮助科学家揭示塑造我们周围世界的隐藏力量。宾夕法尼亚大学的工程师开发了一种基于人工智能的新技术，可以帮助科学家解决一些用于研究自然世界的最困难的数学问题。该方法称为“Mollifier Layers”，旨在处理逆[...]
来源:SciTech日报一项新的人工智能突破帮助科学家揭示塑造我们周围世界的隐藏力量。
宾夕法尼亚大学的工程师开发了一种基于人工智能的新技术，可以帮助科学家解决一些用于研究自然世界的最困难的数学问题。
这种方法被称为“Mollifier Layers”，旨在处理反偏微分方程 (PDE)，这是一类方程，允许研究人员从可见模式逆向工作，以揭示创建它们的隐藏过程。这些问题出现在从遗传学、材料科学到天气预报的各个领域。
“解决逆问题就像观察池塘中的涟漪，然后向后推算石子落下的位置，”Eduardo D. Glandt 校长材料科学与工程 (MSE) 杰出教授 Vivek Shenoy 说道，他也是发表在《机器学习研究汇刊》 (TMLR) 上的一项研究的资深作者，该研究将在神经信息处理系统会议 (NeurIPS 2026) 上发表。 “你可以清楚地看到影响，但真正的挑战是推断隐藏的原因。”
研究人员并没有依赖更大、更耗电的人工智能系统，而是专注于改进流程本身背后的数学。
“现代人工智能通常通过扩大计算规模来进步，”MSE 博士生、该研究的共同第一作者 Vinayak Vinayak 说。 “但一些科学挑战需要更好的数学，而不仅仅是更多的计算。”
为什么反偏微分方程如此困难
微分方程帮助科学家描述事物如何随时间变化。它们被用来模拟从人口增长、化学反应到热传递的一切。
偏微分方程（PDE）通过描述时间和空间上的变化更进一步。研究人员利用它们来研究高度复杂的系统，例如天气模式、材料行为，甚至细胞内 DNA 的组织。