基于潜在语法流的神经符号常微分方程发现
机器学习
2026-04-20 v1 人工智能
计算工程、金融与科学
符号计算
摘要
理解自然与人造系统往往依赖符号公式，如常微分方程，这些公式在黑箱模型之外提供可解释性和可迁移性。我们介绍Latent Grammar Flow（LGF），一种用于从数据发现常微分方程的神经符号生成框架。LGF将方程嵌入基于语法的离散潜在空间，并通过行为损失迫使语义相似的方程彼此靠近。然后，离散流模型引导采样过程，以递归生成最适合所观察数据的数据的最佳候选方程。领域知识和约束（如稳定性）可以嵌入规则中或用作条件预测器。
引用
@article{arxiv.2604.16232,
title = {Neuro-Symbolic ODE Discovery with Latent Grammar Flow},
author = {Karin Yu and Eleni Chatzi and Georgios Kissas},
journal= {arXiv preprint arXiv:2604.16232},
year = {2026}
}