論文の概要: A Neural Symbolic Model for Space Physics

• arxiv url: http://arxiv.org/abs/2503.07994v1
• Date: Tue, 11 Mar 2025 02:50:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:39:04.709550
• Title: A Neural Symbolic Model for Space Physics
• Title（参考訳）: 宇宙物理学におけるニューラルシンボリックモデル
• Authors: Jie Ying, Haowei Lin, Chao Yue, Yajie Chen, Chao Xiao, Quanqi Shi, Yitao Liang, Shing-Tung Yau, Yuan Zhou, Jianzhu Ma,
• Abstract要約: 我々は、記号回帰によって物理式を発見するための新しいAIモデルPhyE2Eを公表する。 我々は、太陽黒点数、太陽回転速度、放射線寄与関数、地球近傍のプラズマ圧力、月潮プラズマ信号の予測を含む、宇宙物理学の5つの応用にPhyE2Eを配備する。
• 参考スコア（独自算出の注目度）: 21.28952043724988
• License:
• Abstract: In this study, we unveil a new AI model, termed PhyE2E, to discover physical formulas through symbolic regression. PhyE2E simplifies symbolic regression by decomposing it into sub-problems using the second-order derivatives of an oracle neural network, and employs a transformer model to translate data into symbolic formulas in an end-to-end manner. The resulting formulas are refined through Monte-Carlo Tree Search and Genetic Programming. We leverage a large language model to synthesize extensive symbolic expressions resembling real physics, and train the model to recover these formulas directly from data. A comprehensive evaluation reveals that PhyE2E outperforms existing state-of-the-art approaches, delivering superior symbolic accuracy, precision in data fitting, and consistency in physical units. We deployed PhyE2E to five applications in space physics, including the prediction of sunspot numbers, solar rotational angular velocity, emission line contribution functions, near-Earth plasma pressure, and lunar-tide plasma signals. The physical formulas generated by AI demonstrate a high degree of accuracy in fitting the experimental data from satellites and astronomical telescopes. We have successfully upgraded the formula proposed by NASA in 1993 regarding solar activity, and for the first time, provided the explanations for the long cycle of solar activity in an explicit form. We also found that the decay of near-Earth plasma pressure is proportional to r^2 to Earth, where subsequent mathematical derivations are consistent with satellite data from another independent study. Moreover, we found physical formulas that can describe the relationships between emission lines in the extreme ultraviolet spectrum of the Sun, temperatures, electron densities, and magnetic fields. The formula obtained is consistent with the properties that physicists had previously hypothesized it should possess.
• Abstract（参考訳）: 本研究では,PhyE2Eと呼ばれる新しいAIモデルを紹介し,記号回帰による物理公式の発見を行う。 PhyE2Eは、オーラルニューラルネットワークの2階微分を用いてサブプロブレムに分解することで、シンボリックレグレッションを単純化し、データを終末的な方法でシンボリック式に変換するトランスフォーマーモデルを用いる。 結果の式はモンテカルロ木探索と遺伝的プログラミングによって洗練される。 我々は、大規模言語モデルを利用して、実際の物理学に類似した広範な記号表現を合成し、これらの公式をデータから直接復元するようにモデルを訓練する。 包括的な評価では、PhyE2Eは既存の最先端のアプローチよりも優れており、優れたシンボル精度、データの適合精度、物理ユニットの整合性を実現している。 我々は、太陽黒点数、太陽回転角速度、放射線寄与関数、地球近傍のプラズマ圧力、月潮プラズマ信号の予測を含む、宇宙物理学の5つの応用にPhyE2Eを配備した。 AIによって生成された物理公式は、衛星や天文学の望遠鏡からの実験データを調整する際に高い精度を示す。 我々は1993年にNASAによって提案された太陽活動に関する公式を改良し、初めて太陽活動の長い周期を明示的な形で説明した。 また、地球近傍のプラズマ圧力の崩壊はr^2と地球に比例し、その後の数学的導出は別の独立した研究から得られた衛星データと一致していることがわかった。 さらに、太陽の極端紫外線スペクトルにおける放出線、温度、電子密度、磁場の関係を記述できる物理式を発見した。 得られた公式は、物理学者が以前それを持つべきと仮定していた性質と一致している。

関連論文リスト

• Discovering physical laws with parallel combinatorial tree search [57.05912962368898]
  記号回帰は、データから簡潔で解釈可能な数学的表現を発見する能力のおかげで、科学研究において重要な役割を果たす。 既存のアルゴリズムは10年以上にわたって精度と効率の重大なボトルネックに直面してきた。 制約データから汎用数学的表現を効率的に抽出する並列木探索(PCTS)モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-05T10:41:15Z)
• Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
  本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。 実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-10T13:23:05Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
  パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。 本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-18T11:29:49Z)
• Generative structured normalizing flow Gaussian processes applied to spectroscopic data [4.0773490083614075]
  物理科学では、限られた訓練データは将来の観測データを適切に特徴づけることができない。 特に外挿を依頼される場合、モデルが不確実性を適切に示すことは重要である。 火星探査機キュリオシティに搭載されたChemCam装置のレーザ誘起分解分光データに関する方法論を実証した。
  論文  参考訳（メタデータ） (2022-12-14T23:57:46Z)
• Inference over radiative transfer models using variational and expectation maximization methods [9.73020420215473]
  本稿では,生物物理パラメータの点推定だけでなく,その共同分布を推定するための2つの計算手法を提案する。 そのうちの1つは変分オートエンコーダアプローチに基づいており、もう1つはモンテカルロ予想最大化スキームに基づいている。 本研究では,地球生物圏の定量化のための3つの重要な生体物理パラメータの分布をモデル化し,推定するための2つの手法の性能解析を行った。
  論文  参考訳（メタデータ） (2022-04-07T10:33:51Z)
• Using machine learning to parametrize postmerger signals from binary neutron stars [2.375594719720939]
  我々は、条件付き変分オートエンコーダ(CVAE)を用いて、超大質量中性子星残差信号のアフターマーガーモデルを構築する。 CVAEは、潜在パラメータのセット内のトレーニングデータの不確実性を符号化する。 CVAEは正確な生成モデルとして利用でき、有効な潜在表現として状態方程式を符号化できることを示す。
  論文  参考訳（メタデータ） (2022-01-17T15:14:35Z)
• Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
  ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。 我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。 前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
  論文  参考訳（メタデータ） (2021-12-22T00:52:56Z)
• Parsimonious neural networks learn interpretable physical laws [77.34726150561087]
  本稿では、ニューラルネットワークと進化的最適化を組み合わせたパシモニクスニューラルネットワーク(PNN)を提案し、精度とパシモニクスのバランスをとるモデルを求める。 アプローチのパワーと汎用性は、古典力学のモデルを開発し、基本特性から材料の融解温度を予測することによって実証される。
  論文  参考訳（メタデータ） (2020-05-08T16:15:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。