基于变分学习的物理直觉获取
计算物理
2026-03-19 v3
摘要
人类在仅仅观察几次后就能预测物理结果，这一能力被称为物理直觉。这种高效学习的机制至今仍不为人所了解。本文引入了一种变分学习框架，使得小型神经网络仅通过两三个相似的示例即可发现最优物理状态。我们在经典系统和量子系统（包括强相关分子）上进行了验证，表明该网络在广泛的观察范围内都能准确推广，远超训练数据的范围。这种推广能力通过一种统一理论解释：当网络近似处于Euler-Lagrange算子相对于观察特征保持静止的解流形上时，就会产生这种现象。该理论预测，在网络规模达到临界值之前，鲁棒推广将无法出现。我们的工作确立了变分学习作为获取人工物理直觉的原则方法，同时为理解生物智慧中类似能力提供了理论视角。
关键词
引用
@article{arxiv.2508.19537,
title = {Variational Learning of Physical Intuition from a Few Observations},
author = {Jingruo Peng and Shuze Zhu},
journal= {arXiv preprint arXiv:2508.19537},
year = {2026}
}