Как машина учится выводить законы природы ✎ экспресс

Оригинал: "Data-driven Progressive Discovery of Physical Laws"
· Mingkun Xia, Weiwei Zhang
arXiv:2603.13727 · 2026-03-14 · arXiv non-exclusive · собственный разбор · 1 мин
Новый подход позволяет компьютеру открывать физические законы шаг за шагом, как это делали учёные прошлого.

📄 Показана версия «Просто» — «Подробно» пока не готова. Добавьте ★ в избранное, если хотите её ускорить.

Обычный компьютер, когда ищет закон природы по данным, пытается угадать готовую формулу целиком. Это как если бы повар, не зная рецепта, разом вывалил все ингредиенты в кастрюлю и надеялся, что получится суп. Чаще всего выходит несъедобная каша: формула длинная, но бессмысленная, и на новых данных она ошибается.

Учёные предложили другой путь: пусть машина идёт по стопам великих физиков. Сначала находит простую закономерность — например, что планета движется тем быстрее, чем ближе к Солнцу. Потом добавляет к ней следующее звено, потом ещё одно. Так из нескольких ясных кусочков складывается цепочка, которая в итоге даёт точный закон. Этот метод назвали «цепочкой символьной регрессии».

Метод повторил исторический путь: от законов Кеплера о движении планет он дошёл до закона всемирного тяготения Ньютона — именно так, шаг за шагом, это открытие и происходило в реальности.

Проверка на трёх задачах — турбулентное кипение жидкости, течение вязкой жидкости по трубе и испарение металла под лазером — показала: новый метод точнее старых. А на данных о сопротивлении воздуха для разных самолётов он нашёл закономерность, которую раньше не замечали. Это значит, что машина может не только переоткрывать известное, но и подсказывать инженерам новые полезные формулы.

Такой подход напоминает сборку конструктора: каждая деталь проста и понятна, а вместе они образуют сложный механизм. И это гораздо надёжнее, чем пытаться угадать весь механизм сразу.

Символьная регрессия — это когда компьютер ищет не просто число, а формулу, которую можно записать на бумаге и понять, как она устроена.

Учёные
Johannes KeplerDavid CharbonneauIsaac NewtonWilliam BoruckiGalileo GalileiPaul Dirac
Понятия
символьная регрессия линейная регрессия вычислительный метод огрубление научные открытия с помощью нейронных сетей космологическое моделирование закон Долло коэффициент корреляции распознавание образов динамические системы открытие лекарств степенной закон обзор тензор кластеризация физически информированная нейронная сеть дизайн лекарств расчёты из первых принципов одномерная цепочка лагранжиан