理解和預測複雜的物理系統仍然是科學和工程研究的重要挑戰。機器的學習模型雖然有效，但通常不符合物理的基本規則，這會導致不正確或不正確的結果。解決這個問題。通過將這些規則嵌入機器的學習形式中，物理學的學習已成為解決方案。但是，創建執行這些規則的精確條件特別難以處理複雜的數學方程，Sinica學術界的Sandor Molnar博士，Joseph Godfrey教授和弗吉尼亞理工大學的Binyang Song博士。他們在《 Heliyon雜誌》上發表的工作提出了一個平衡的方程式，以系統地將物理與機器的學習方式相結合。
傳統物理學的學習方法取決於從管理方程式獲得的修正案的條件，以確保其符合物理定律。但是，確定這些修正案通常是不一致的，缺乏國際準則。從唯一的平衡方程式，通過接收經典物理的所有基本方程式，可以說液體的所有基本方程式，以及如何解釋液體必須如何具有行為，拉伸和熱傳遞的方式來說明平衡方程。該方程描述了物理量的保護和運動，例如力和能量。通過使用特定的材料關係，研究人員可以調整與不同科學平衡的方程式，從而使物理與機器的學習模型相結合起來。
教授還解釋說：“我們表明，所有這些方程都可以從唯一稱為常規平衡方程的方程式獲得，其特定關係是具有特定域的平衡方程。”
該方法的重要好處之一是能夠系統地執行物理規則，而無需為各種方程式進行其他自定義。研究人員通過解決物理學學習中的預測和工程問題的問題來展示他們的方法如何捕獲複雜系統。對系統期望的預測預測將根據已知的物理定律而改變，而工程問題通過控制現實世界數據與未知規則有關。他們的方法允許使用相同方法解決兩種類型的問題，從而提高了旨在與物理系統一起使用的機器學習模型的效率和準確性。
這項研究最重要的方面之一是不同科學中的各種用法。如何平衡方程式可以用於模擬液體和氣體流動的方法，如何發生以及如何通過在一個方程式下收集不同的物理原理來反應電力。這種方法不僅是將物理學與機器學習風格相結合的過程，而且還提供了更可靠，更可調的方法，研究人員提供了有用的例子，顯示瞭如何使用它們的框架，在實際情況下展示了靈活性和好處。
教授還說，他們的發現的重要性：“我們的方法表明，它可以遵守一個框架，將物理與一般影響的學習模型相結合。這可能是為複雜系統開發物理學學習的更有效方法的基礎。”
儘管對機器的學習仍然在科學研究中起著重要的作用，以確保預測與物理現實一致。方程框架為機器的學習模型提供了重要的步驟，該模型對於復雜系統更可靠且易於理解。教授還強調了他們的工作的更廣泛影響，他說：“方程平衡，通過指定平衡和相關方程式對神經網絡的身體局限性的平衡。”未來是物理學的學習。 ” Molnar博士補充說。
通過提出一種結構和國際方法，用於將物理與學習機器的學習相結合，為未來改進創建計算模型的基礎奠定了基礎，它為更準確的模擬打開了大門。關於自然和工程系統行為的更好的預測和深度信息。
參考期刊
Molnar SM，Godfrey J.，Song B.“物理學的平衡” Heliyon，2024年； 10：e38799 doi： https://doi.org/10.1016/j.heliyon.2024.e38799
關於作者
約瑟夫·R·戈弗雷（Joseph R Godfrey） 1958年4月15日出生於聖軟管哥斯達黎加。他於1979年獲得了芝加哥大學的數學學士學位，並獲得了巴黎圣母院的高級物理學博士學位。 1987年，教授目前擔任工業工程和系統工程系的工程管理項目（MEA）主任。他的責任包括學生招聘計劃的管理和發展以及與公共和私人機構合作的發展。
Sandor M. Molnar 1955年8月27日出生於匈牙利的布達佩斯。他於1979年獲得了匈牙利布達佩斯的Eotvos大學的天文學文憑，並於1993年和1995年獲得了Am Hersts的馬薩諸塞大學AM HERSTS的兩個學位（在天文學物理學）。他獲得了博士學位。他是泰國國家研究委員會布里斯托爾大學的博士學位。華盛頓大學，蘇黎世大學）在2007年的科學家訪問台北的天文學和天文學研究所之前，他擁有70多家天文學和銀河系的出版物，以及相關主題。 Molnar博士於2015年出版。
