یکی از شاخههای جذاب هوش مصنوعی، یادگیری ماشین مبتنی بر فیزیک (PiML) است که هدف آن کشف قوانین حاکم بر سیستمهای فیزیکی از روی دادههاست. اما یک چالش جدی وجود دارد: چطور بفهمیم یک معادله کشف شده واقعاً معتبر است؟
محققان در مقاله جدیدی به بررسی این مشکل پرداخته و پیشنهاد دادهاند که برای ارزیابی کشف معادلات دیفرانسیل جزئی (PDE)، به جای روشهای پراکنده، از یک چارچوب استاندارد استفاده شود. این مطالعه با بررسی معیارهای مختلف، سعی در رفع تناقضات بین دقت پیشبینی، تفسیرپذیری و سازگاری فیزیکی دارد تا از نتایج علمی غیردقیق جلوگیری شود. 🧠✨
منبع: arXiv Machine Learning