#8 · 主分类: 科学计算与数据笔记本
PhySO
deep-learning
equation-discovery
machine-learning
physics
python
reinforcement-learning
symbolic-regression
物理符号优化
项目最后更新:02/21/26
GitHub Stars
2.0K
Forks数量
264
贡献者数量
5
许可证
MIT
收录理由
如果你手头有测量数据,又隐约觉得背后藏着一条干净的分析定律,PhySO 值得一试。它用深度强化学习在函数形式的空间里搜索,最终给出一个紧凑的符号表达式——你得到的不是黑箱,而是一条能亲眼查看、能推敲推理的真实方程。它对物理问题的偏重体现在量纲分析上:强制单位一致,同时大幅压缩搜索空间;还提供基于类的模式,能用同一个函数形式同时拟合多组数据,每组数据各有自己的参数。这对摆弄振荡器、动力系统或经验标度律的物理学家和工程师来说相当顺手。想要可解释的结果,也不介意调一调超参数的话,拿它做探索性分析很合适。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。