Многие природные процессы описываются дифференциальными уравнениями, но в распоряжении учёных часто оказываются лишь фрагментарные данные — своего рода обрывки карты. Новый вычислительный метод работает как картограф, восстанавливающий целостную карту местности по немногим ориентирам. Известные физические законы задают надёжный стандартный каркас — например, Стандартная модель физики элементарных частиц, — словно береговая линия на карте, а нейросеть дорисовывает скрытую динамику, анализируя поступающие экспериментальные данные. Алгоритм действует итеративно: с каждым циклом он сначала восстанавливает полную историю системы, используя текущее приближение, а затем корректирует неизвестные части модели, минимизируя расхождение с наблюдениями. Эта процедура напоминает то, как астрономы наносят на карту невидимую тёмную материю — гипотетическую форму материи, не участвующую в электромагнитном взаимодействии, — в галактиках по её гравитационному влиянию на видимое вещество.

Экспериментальные испытания показали: метод способен точно предсказывать поведение системы, даже когда в данных наблюдаемы лишь 5% от всех значимых факторов. Принципиальное отличие подхода от моделей типа «чёрный ящик» заключается в том, что он сохраняет физическую интерпретируемость — каждый восстановленный компонент имеет смысл в терминах исходных законов, что критически важно для построения надёжных прогностических моделей в таких областях, как медицина и экология.