Towards true discovery of the differential equations

要約

機械学習のサブフィールドである微分方程式発見は、特に自然関連のアプリケーションで解釈可能なモデルを開発するために使用されます。
運動方程式の一般的なパラメトリック形式と適切な微分項を巧みに組み込むことにより、アルゴリズムはデータから方程式を自律的に発見できます。
このペーパーでは、専門家の意見を借りずに方程式を独立して発見するための前提条件とツールを検討し、方程式形式の仮定の必要性を排除します。
私たちは、方程式の形式に関する事前の知識がなくても、信頼できる方程式を発見するための洞察を提供することを目的として、正しい方程式が不明な場合に発見された方程式の妥当性を評価するという課題に取り組むことに重点を置いています。

要約(オリジナル)

Differential equation discovery, a machine learning subfield, is used to develop interpretable models, particularly in nature-related applications. By expertly incorporating the general parametric form of the equation of motion and appropriate differential terms, algorithms can autonomously uncover equations from data. This paper explores the prerequisites and tools for independent equation discovery without expert input, eliminating the need for equation form assumptions. We focus on addressing the challenge of assessing the adequacy of discovered equations when the correct equation is unknown, with the aim of providing insights for reliable equation discovery without prior knowledge of the equation form.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google