神经网络蒸馏成26节点方程,预测行星轨道不稳定性超越解析公式

MilesCranmer · x · 2026-11-16

康奈尔、MIT、剑桥等机构的新论文将神经网络蒸馏为封闭代数方程,用于预测多行星系统的动力学不稳定性。通过在 N 体模拟数据上训练网络,再用符号回归将隐含知识提炼成代数式,得到的 26 节点方程预测 3 行星轨道不稳定的误差在 1.34–1.52 个数量级内,优于 Petit+2020 人类解析公式(2.43–3.13 dex),并可零样本外推到 5 行星系统。该两阶段流程(先学可解释变量基,再做符号回归)展示了符号学习与神经网络结合、从复杂动力系统提取科学洞见的路径,且评估速度比神经网络推理和直接 N 体模拟都快。