論文の概要: Use of a genetic algorithm to find solutions to introductory physics problems

• arxiv url: http://arxiv.org/abs/2508.10920v1
• Date: Thu, 07 Aug 2025 01:36:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-24 10:27:26.46049
• Title: Use of a genetic algorithm to find solutions to introductory physics problems
• Title（参考訳）: 遺伝的アルゴリズムを用いた導入物理問題の解法
• Authors: Tom Bensky, Justin Kopcinski,
• Abstract要約: 導入物理問題に対するステップ・バイ・ステップの解を見つけるために,遺伝的アルゴリズムを用いる方法を示す。 これの根底にある課題は、必要な答えにつながる方程式の列を見つけることである。 本手法は,1次元キネマティクスを含む導入物理問題に対する解答に学生を導くことができることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we show how a genetic algorithm (GA) can be used to find step-by-step solutions to introductory physics problems. Our perspective is that the underlying task for this is one of finding a sequence of equations that will lead to the needed answer. Here a GA is used to find an appropriate equation sequence by minimizing a fitness function that measures the difference between the number of unknowns versus knowns in a set of equations. Information about knowns comes from the GA posing questions to the student about what quantities exist in the text of their problem. The questions are generated from enumerations pulled from the chromosomes that drive the GA. Equations with smaller known vs. unknown differences are considered more fit and are used to produce intermediate results that feed less fit equations. We show that this technique can guide a student to an answer to any introductory physics problem involving one-dimensional kinematics. Interpretability findings are discussed.
• Abstract（参考訳）: 本研究では、遺伝的アルゴリズム(GA)を用いて、導入物理問題に対するステップバイステップの解を求める方法を示す。 我々の見解では、この問題の根底にある課題は、必要な答えにつながる方程式の列を見つけることにある。 ここでGAは、一連の方程式における未知数と未知数との差を測定するフィットネス関数を最小化することで、適切な方程式列を見つけるために用いられる。 既知の知識に関する情報は、問題のテキストにどんな量が存在するかという質問を学生に提示するGAから得られます。 質問は、GAを駆動する染色体から抽出された列挙から生成される。 未知の差分がより小さい方程式はより適合し、より適合しない方程式を与える中間結果を生成するために用いられる。 本手法は,1次元キネマティクスを含む導入物理問題に対する解答に学生を導くことができることを示す。 解釈可能性について考察する。

関連論文リスト

• An interpretation of the Brownian bridge as a physics-informed prior for the Poisson equation [0.0]
  ブラウン橋のガウス過程は、ポアソン方程式に先立って、柔らかく強化された物理学的に制約されたものとして見ることができる。 この接続により、逆問題の収束や振舞いなど、異なる理論的問題を探索することができる。
  論文  参考訳（メタデータ） (2025-02-28T21:57:10Z)
• HomPINNs: homotopy physics-informed neural networks for solving the inverse problems of nonlinear differential equations with multiple solutions [6.89453634946458]
  非線形微分方程式(DE)の逆問題を解決するためにホモトピー物理情報ニューラルネットワーク(HomPINN)を提案する。 提案するフレームワークは、DEC制約を順守しながら、さまざまなソリューションにわたるラベルなしの観測を同時に近似するためにNNを使うことから始まる。 提案手法はスケーラブルで適応可能であり,複数の解と未知パラメータを用いたDESの解法として有効であることを示す。
  論文  参考訳（メタデータ） (2023-04-06T01:20:23Z)
• Symbolic Recovery of Differential Equations: The Identifiability Problem [52.158782751264205]
  微分方程式の記号的回復は、支配方程式の導出を自動化する野心的な試みである。 関数が対応する微分方程式を一意に決定するために必要な条件と十分な条件の両方を提供する。 この結果を用いて、関数が微分方程式を一意に解くかどうかを判定する数値アルゴリズムを考案する。
  論文  参考訳（メタデータ） (2022-10-15T17:32:49Z)
• Learning to Solve PDE-constrained Inverse Problems with Graph Networks [51.89325993156204]
  科学と工学にまたがる多くの応用分野において、偏微分方程式(PDE)によって定義される制約で逆問題を解決することに興味がある。 ここでは、これらのPDE制約された逆問題を解決するために、GNNを探索する。 GNNを用いて計算速度を最大90倍に向上させる。
  論文  参考訳（メタデータ） (2022-06-01T18:48:01Z)
• A physicist's guide to the solution of Kummer's equation and confluent hypergeometric functions [0.0]
  収束超幾何方程式は物理学、化学、工学において最も重要な微分方程式の1つである。 その2つのパワー級数解はクマー函数 M(a,b,z) であり、しばしば第一種の収束超幾何函数と呼ばれる。 第3の関数であるトリコム函数 U(a,b,z) は、常用される収束超幾何方程式の解でもある。
  論文  参考訳（メタデータ） (2021-11-08T22:25:46Z)
• On Applying the Lackadaisical Quantum Walk Algorithm to Search for Multiple Solutions on Grids [63.75363908696257]
  不足量子ウォーク(英: lackadaisical quantum walk)は、頂点が重量$l$の自己ループを持つグラフ構造を探索するために開発されたアルゴリズムである。 本稿では,グリッド上の複数解の探索に不連続な量子ウォークを適用した際の問題に対処する。
  論文  参考訳（メタデータ） (2021-06-11T09:43:09Z)
• Mean Field Approximation for solving QUBO problems [0.0]
  平均場焼鈍における統計物理学的アプローチと量子力学的アプローチが同じ結果をもたらすことを示す。 提案手法は連続変数を持つ単純な勾配に基づく最小化からなるため,シミュレーションが容易である。
  論文  参考訳（メタデータ） (2021-06-06T20:35:28Z)
• The data-driven physical-based equations discovery using evolutionary approach [77.34726150561087]
  与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。 このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。 解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
  論文  参考訳（メタデータ） (2020-04-03T17:21:57Z)

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。