Новый метод на основе статистической механики улучшает понимание сложных систем с помощью ИИ

Тренды свободной энергии в Z-SINDy выводе. Автор: Physical Review Research (2025). DOI: 10.1103/4d98-tdlp

Исследование учёных Гавайского университета продвигает методы изучения законов, управляющих сложными системами — от отношений хищник-жертва до транспортных потоков в городах и динамики популяций — с использованием искусственного интеллекта (ИИ) и физики.

Исследование, опубликованное в Physical Review Research, представляет новый метод на основе статистической механики для улучшения обнаружения уравнений непосредственно из зашумленных реальных данных. Статистическая механика — это раздел физики, объясняющий, как коллективное поведение возникает из отдельных частиц, например, как случайное движение молекул газа приводит к предсказуемым изменениям давления и температуры.

В этой новой работе статистическая механика используется для понимания того, как различные математические модели «конкурируют» при попытке объяснить систему. Это важно, поскольку многие научные области полагаются на понимание того, как системы меняются со временем, будь то отслеживание распространения заболеваний, анализ изменения климата или прогнозирование фондового рынка. Но реальные данные часто бывают «грязными», а традиционные модели ИИ могут быть ненадёжными, когда данные становятся зашумлёнными или неполными.

Новый подход помогает отделить полезную информацию от нерелевантного шума, давая исследователям больше уверенности в том, что обнаруженное уравнение действительно отражает реальность.

«Эта работа не только расширяет границы того, как мы используем ИИ и физику для понимания сложных систем, но и подчёркивает передовые исследования, происходящие прямо здесь, на Гавайях», — сказал Андрей А. Клишин, ведущий автор исследования и доцент кафедры машиностроения UH Mānoa.

«Это показывает, что UH — это место, где фундаментальная наука встречается с реальным воздействием — нечто невероятно важное для подготовки следующего поколения мыслителей и новаторов в нашем штате».

Когда больше — значит меньше

Исследование показывает, когда сбор большего количества данных не поможет, — инсайт, который может сэкономить время и ресурсы. Заимствуя инструменты, такие как «свободная энергия» и «статистическая сумма» из физики, метод определяет, когда модель, вероятно, потерпит неудачу из-за сложности или недостатка данных.

Он также оценивает, насколько велика неопределённость в результате, что является ключевым фактором при принятии реальных решений на основе данных. Эта инновация под руководством UH может повлиять на всё: от инженерии и экологии до экономики и медицины, где понимание правил, стоящих за данными, может привести к лучшим прогнозам, более умным решениям и более глубокому пониманию того, как работает наш мир.

Больше информации: Andrei A. Klishin et al, Statistical mechanics of dynamical system identification, Physical Review Research (2025). DOI: 10.1103/4d98-tdlp

Источник: University of Hawaii at Manoa