Distilling Free-Form Natural Laws from Experimental Data

物理定律 守恒定律 动量(技术分析) 混乱的 运动学 钥匙(锁) 牛顿运动定律 幂律 过程(计算) 简谐运动 计算机科学 简单(哲学) 鉴定(生物学) 牙石(牙科) 法学 经典力学 数学 人工智能 物理 数学分析 计算机安全 认识论 操作系统 统计 医学 哲学 经济 植物 牙科 生物 政治学 量子力学 财务
作者
Michael Schmidt,Hod Lipson
出处
期刊:Science [American Association for the Advancement of Science (AAAS)]
卷期号:324 (5923): 81-85 被引量:2272
标识
DOI:10.1126/science.1165893
摘要

For centuries, scientists have attempted to identify and document analytical laws that underlie physical phenomena in nature. Despite the prevalence of computing power, the process of finding natural laws and their corresponding equations has resisted automation. A key challenge to finding analytic relations automatically is defining algorithmically what makes a correlation in observed data important and insightful. We propose a principle for the identification of nontriviality. We demonstrated this approach by automatically searching motion-tracking data captured from various physical systems, ranging from simple harmonic oscillators to chaotic double-pendula. Without any prior knowledge about physics, kinematics, or geometry, the algorithm discovered Hamiltonians, Lagrangians, and other laws of geometric and momentum conservation. The discovery rate accelerated as laws found for simpler systems were used to bootstrap explanations for more complex systems, gradually uncovering the “alphabet” used to describe those systems.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
1秒前
3秒前
fabian发布了新的文献求助10
3秒前
Lucas应助李昕123采纳,获得10
3秒前
领导范儿应助开放的大侠采纳,获得10
4秒前
5秒前
pakho完成签到,获得积分20
6秒前
7秒前
study_0001完成签到,获得积分10
8秒前
blue发布了新的文献求助10
9秒前
张兔兔完成签到,获得积分10
10秒前
10秒前
苹果apple关注了科研通微信公众号
10秒前
安静严青发布了新的文献求助10
11秒前
12秒前
852应助Distance采纳,获得10
12秒前
fabian完成签到,获得积分10
13秒前
各位大牛帮帮忙完成签到 ,获得积分10
14秒前
14秒前
zwl051029369完成签到,获得积分10
15秒前
16秒前
Singularity应助王文帝采纳,获得10
16秒前
小蘑菇应助GG小丁同学采纳,获得10
16秒前
17秒前
665完成签到,获得积分10
17秒前
18秒前
19秒前
Majician完成签到,获得积分10
20秒前
慕青应助滕擎采纳,获得10
21秒前
情怀应助安静严青采纳,获得10
21秒前
cryscilla完成签到 ,获得积分10
21秒前
22秒前
遥远的尧应助开放的大侠采纳,获得10
22秒前
22秒前
wangxiaobin完成签到,获得积分10
22秒前
Axton给Axton的求助进行了留言
23秒前
Vianne发布了新的文献求助10
24秒前
苹果apple发布了新的文献求助10
25秒前
小柒发布了新的文献求助10
25秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158115
求助须知:如何正确求助?哪些是违规求助? 2809457
关于积分的说明 7882079
捐赠科研通 2467936
什么是DOI,文献DOI怎么找? 1313819
科研通“疑难数据库(出版商)”最低求助积分说明 630538
版权声明 601943