基于MLLM的高维数据内在坐标与支配方程发现
计算工程、金融与科学
2025-08-05 v2
摘要
从科学数据中发现支配方程对于理解系统演化至关重要，通常被建模为在候选方程空间中进行搜索。然而， dynamical systems 的高维性质导致候选方程空间指数级扩张，使搜索过程极具挑战性。多模态大语言模型（MLLM）的视觉感知和预先训练的科学知识有望为在高维方程空间中提供有效的导航。本文提出了一种基于MLLM的零样本方法，用于自动从高维数据中发现物理坐标和支配方程。具体而言，我们设计了一系列增强视觉提示以提升MLLM的空间感知能力。此外，利用MLLM的领域知识来导航方程空间中的搜索过程。在两个具有代表性的系统类型上进行的定量和定性评估表明，所提方法有效地从模拟数据和真实实验数据中发现了物理坐标和方程，长期外推准确率相较于基线提高了约26.96%。
引用
@article{arxiv.2505.11940,
title = {MLLM-based Discovery of Intrinsic Coordinates and Governing Equations from High-Dimensional Data},
author = {Ruikun Li and Yan Lu and Shixiang Tang and Biqing Qi and Wanli Ouyang},
journal= {arXiv preprint arXiv:2505.11940},
year = {2025}
}