从深度网络世界模型反推符号物理定律：逆向符号学习设想引讨论

bradneuberg · x · 2026-10-22

bradneuberg 提出一个研究问题：对于通过观察真实世界动力学与物理(例如粒子物理模拟器)学出世界模型的深度网络，能否再「反推」出它学到的符号表示——即先让深度网络学习物理，再从中镜像出真实的科学发现或方程。

他称之为「逆向符号学习」(Inverse Symbolic Learning),与 physics-informed deep nets 正好互为逆过程：后者是把物理不变量主动嵌入网络，前者是从学到的网络中提炼物理。他进一步指出，这也相当于一个「可学习的可微模拟器」：相比过去人工构建、工作量巨大的可微模拟器，学习版更快但只是近似，且因为可微，损失信号能反向穿过它，把它对齐到特定目标做微调。