PA-SciML 将物理审计引入智能体科学机器学习

Diab W. Abueidda、Bilal Ahmed、Panos Pantidis 和 Mostafa E. Mobasher 提出 PA-SciML 框架，将大语言模型智能体与物理约束审计结合，用于科学机器学习中的力学代理模型发现和筛选。该框架在搜索候选模型之前，预先设定叠加原理、边界条件和因果性等物理要求，并通过对抗性搜索检查模型预测场，无需依赖参考解。 研究报告称，在抽样输入上，启用物理审计的代理模型通过了相应物理检查；在多数对比中，其预测精度持平或优于未启用审计的模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。