通过语言模型引导的符号回归在材料中发现可解释物理规律
计算物理
2026-02-27 v1 人工智能
摘要
从高维数据中发现可解释的物理规律是科学研究中的一个基本挑战。传统方法，如符号回归，往往在搜索广泛可能形式的空间时会产生复杂且无物理意义的公式。我们引入了一个框架，通过利用大语言模型所嵌入的科学知识来引导搜索过程，从而高效地识别数据中的物理规律。我们通过对关键材料属性进行建模来验证我们的方法。我们的 метод 能显著缓解传统符号回归中常见的组合爆炸问题，将有效搜索空间缩小约 倍。我们识别出一组新的 bulk 模量、带隙和氧化还原反应活性公式，这些公式不仅提供了有意义的物理见解，还在准确性和简单性方面优于以往公式。
引用
@article{arxiv.2602.22967,
title = {Discovery of Interpretable Physical Laws in Materials via Language-Model-Guided Symbolic Regression},
author = {Yifeng Guan and Chuyi Liu and Dongzhan Zhou and Lei Bai and Wan-jian Yin and Jingyuan Li and Mao Su},
journal= {arXiv preprint arXiv:2602.22967},
year = {2026}
}