В кастрюле с супом достаточно двух термометров, чтобы понять температуру везде — если знать, что тепло идёт кругами от дна. Так и в науке: по редким замерам нужно восстановить полную картину теплового поля.

Система схватывает суть тепловых процессов, сжимая их в несколько чисел-правил — по сути, строит низкоразмерное представление физики распространения тепла, подобно тому как повар интуитивно знает: в центре суп горячее. Затем, словно раскладывая тепло на спектральные компоненты — на волны, каждая из которых отвечает за определённый масштаб изменений температуры, учится предсказывать целое по этим правилам.

После обучения алгоритм быстро восстанавливает всё поле по скудным замерам и оценивает неопределённость через энтропию — меру неуверенности, которая количественно показывает, насколько прогноз в данной точке ненадёжен. Словно повар, помешав ложкой, чувствует, где суп уже прогрет. Проверка на задаче распространения тепла — классической модели теплопереноса, где важны конвекция и диффузия подтвердила точность. Неожиданно: система сама предупреждает, где её прогнозы ненадёжны — редкая самокритичность для машины.