物理与 AI for Science
突破级
暂无讲解视频
收录解读
COSINE 处理从观测动力学中发现潜在交互图和符号方程的逆问题。传统神经方法可拟合但黑盒，符号回归可解释但通常假设拓扑和函数库固定，难以同时发现关系和机制。
论文提出可微框架，联合优化 interaction graph 与 sparse symbolic dynamics，并在外环引入 LLM 根据内层反馈裁剪和扩展假设空间。这样把符号动力学发现从固定库搜索推进到 LLM-guided adaptive hypothesis search。
它值得收录，是因为它把 LLM 作为科学建模中的假设空间管理器，而不是最终答案生成器。该模式对多体系统、因果动力学、科学发现 agent 和可解释 surrogate modeling 都有复用价值。
局限在于 LLM 外环可能引入先验偏差，复杂真实系统中的噪声、部分观测和高维状态仍会显著提高难度。