基于人工智能技术对阻尼振动体系方程的重建RECONSTRUCTION OF DAMPED VIBRATION SYSTEM EQUATIONS BASED ON ARTIFICIAL INTELLIGENCE TECHNOLOGY
杜辉,彭宇豪,熊中龙,吴妍
摘要(Abstract)：
数据科学一直是第四次工业革命曙光的驱动力,在过去十年中,传感器、数据存储和计算资源的成本急剧下降使数据驱动的发现方法成为可能,它对科学产生了变革性的影响,促进了表征实验生成的高维数据的各种创新。AI4Science领域旨在将AI运用于物理领域,然而现在主流的深度学习方法被诟病为一个“黑箱子”,难以理解内部的运作过程,因此可解释机器学习旨在突破“黑箱子”机制,通过人类可读的方式让我们理解机器学习内部的运作过程,这使AI辅助科学发现成为可能。本文以阻尼振子为研究对象,使用自定义数据集训练的yolov8视觉模型获取时空数据,一方面使用引入信息准则的符号回归自动化发掘数据间的显式表达式;另一方面我们从稀疏回归的角度设想了动力学发现问题,通过全变差正则化进行数值微分构建候选函数库,最终准确重建阻尼振动的微分方程及非线性规律。我们分别从实验数据和仿真数据验证了这种方法得到的结果具有强大的科学可解释性及普适性。
关键词(KeyWords)： 可解释机器学习;方程重建;符号回归;变差正则化;稀疏回归
基金项目(Foundation): 中国地质大学（武汉）本科教学重点项目（2024077）;; 湖北省大学生创新创业训练计划项目（S202510491177）
作者(Author): 杜辉,彭宇豪,熊中龙,吴妍
DOI: 10.27024/j.wlygc.2025.10.16.02
参考文献(References)：
- [1] VIRGOLIN M,PISSIS S P.Symbolic regression is NP-hard[J].Transactions on Machine Learning Research,2022.
- [2] REDMON J,DIVVALA S,GIRSHICK R,et al.You only look once:Unified,real-time object detection[C]//Computer Vision & Pattern Recognition.Las Vegas,NV:IEEE,2016:779-788.
- [3] CRANMER M.Interpretable machine learning for science with PySR and SymbolicRegression.jl[J/OL].(2023-05-01)[2025-10-26].https://arxiv.org/abs/2305.01112.
- [4] BRUNTON S L,PROCTOR J L,KUTZ J N.Discovering governing equations from data by sparse identification of nonlinear dynamical systems[J].Proceedings of the National Academy of Sciences of the United States of America,2016,113(15):3932-3937.
- [5] ATKINSON K E.An introduction to numerical analysis[M].New York:J.Wiley,1978.
- [6] KNOWLES I,RENKA R J.Methods for numerical differentiation of noisy data[J].Electronic Journal of Differential Equations,2014,2014(21):1-25.
- [7] KAHEMAN K,KUTZ J N,BRUNTON S L.SINDy-PI:A robust algorithm for parallel implicit sparse identification of nonlinear dynamics[J].Proceedings of the Royal Society A,2020,476(2242):20200279.
- [8] UDRESCU S M,TEGMARK M.AI Feynman:A physics-inspired method for symbolic regression[J].Science Advances,2020,6(16):eaay2631.