科技日报记者 夏凡 通讯员 姚瑶
记者12日从宁波东方理工大学获悉，该校讲席教授张东晓、副教授陈云天团队提出了一种符号回归新框架，构造人工智能科学家以自动发现本构定律，为数据驱动的物理定律挖掘开辟了全新路径。相关成果发表于国际期刊《科学进展》。
本构定律是固体材料“受力之后会怎么变形”的核心规律，如橡胶能拉长、石头会碎裂。科学家用数学公式把这类规律表达出来。长期以来，本构模型的建立主要依赖两类方法：一种是传统的经验或半经验模型，由专家基于实验拟合构筑，形式较为简单，在超出校准范围时泛化能力不足。另一种是基于神经网络的黑盒AI模型，虽然拟合精度高，但缺乏物理可解释性，且难以直接为科学研究提供明确的指导。近年来兴起的符号回归技术通常使用树结构来表达和优化方程，但是容易产生冗长或缺乏物理意义的公式。
针对这一难题，研究团队创新性地提出了GraphED框架。该框架可以同时分析多种材料和工况的数据，在搜索公式结构时，同步识别每组数据对应的材料参数，从而整合不同情况下的材料数据，降低对单一数据集的依赖，提高模型的适用性。
“GraphED框架的核心在于确立了‘方程即图’的全新表达范式。”论文共同通讯作者陈云天说，该框架将数学公式抽象为有向无环图。其中，图节点代表运算符与自变量，图的边代表运算方向与关系，而连接边上的边特征则直接编码了常数或待定的材料特征参数。
论文第一作者、宁波东方理工大学副研究员徐浩表示，这一设计突破了传统表示方法难以有效表征带参公式族的局限，使算法能够从包含多种材料的多源数据集中，直接学习出兼具通用结构与材料相关参数的表达式。
据悉，研究团队将GraphED框架应用于合金钢、金属锂、充油橡胶等多种复杂材料体系的真实实验数据中，均取得超越传统经验模型的发现成果。
网友评论
