基于化学计量信息的符号回归：从数据中提取化学反应机理
化学物理
2026-02-13 v2
摘要
本文介绍了一种数据驱动的计算方法，用于从时间序列的化学浓度数据中提取化学反应机理。该方法通过使用动态符号回归实现，该回归能够从底层数据中发现动力系统的稀疏解析形式。我们特别开发了基于化学计量信息的符号回归（SISR）方法，以应对复杂化学反应网络中的一个长期挑战：给定多个组分浓度的时间序列数据集，其机理和相关速率常数是什么？SISR通过将微分优化与遗传优化方法相结合，搜索可能的反应机理的符号空间，从而找到最优机理、动力学方程和速率常数。将SISR应用于涵盖线性和非线性反应方案的几个典型示例，结果在真实机理和预测机理之间表现出极好的一致性，包括将该方法应用于含噪声数据时。通过与使用通用的最先进数据驱动方法进行比较，说明了像SISR这样基于化学计量信息的方法在反应发现中的优势。
引用
@article{arxiv.2510.20655,
title = {Stoichiometrically-informed symbolic regression for extracting chemical reaction mechanisms from data},
author = {Manuel Palma Banos and Joel D. Kress and Rigoberto Hernandez and Galen T. Craven},
journal= {arXiv preprint arXiv:2510.20655},
year = {2026}
}