この記事についてこの記事は、データから物理法則を「発見」できる”AI Feynman”[1]の解説記事です。この手法の概要以下のようになります。 物理法則をデータから見つけるという研究。ポイントは、次元削減や無次元量へ分解、並進対称性で変数を除去する等によって問題を簡単にすること。Neural Neworkでデータのパターンを学習させ、validationデータで並進対称性等の仮説検証を行う。 問題設定ある物理現象に従うデータから物理法則を導くという問題設定を考えます。 物理法則とは何かというと、万有引力の法則のように質量等のシンボルで表せる等式のことです。データの中にある変数を使って、目的変数をうまく表現できるシンボル形式の数式を見つけます。 万有引力の法則例えば、2つの物体間での万有引力を表す数式を”発見”することを考えてみます。このときに使えるデータとしては、目的変数である万有引力の
![物理法則を”発見”できる機械学習モデルAI Feynman](https://cdn-ak-scissors.b.st-hatena.com/image/square/3ee14270ad06c15b06e3473105582ac08bae6bf3/height=288;version=1;width=512/https%3A%2F%2Fmiro.medium.com%2Fv2%2Fresize%3Afit%3A854%2F1%2Apqye-h4cyDYuxctSxqlMiA.png)