面向物理概念的无监督机器学习

近年来，机器学习方法已被用于辅助科学家开展科学研究。人类的科学理论建立于一系列概念之上。机器如何从实验数据中学习概念将是一个重要的第一步。我们提出一种通过无监督机器学习提取可解释物理概念的混合方法。该方法包含两个阶段。首先，我们需要求出实验数据的贝蒂数。其次，给定贝蒂数，我们使用变分自编码器网络提取有意义的物理变量。我们在玩具模型上测试了我们的方案并展示其工作方式。