AI Feynman：从数据中发现物理方程

符号回归与 AI Feynman：让机器像物理学家一样发现方程

你是否想过，如果给机器一堆实验数据，它能不能自己总结出物理定律？符号回归正是这样一种技术，它从数据中搜索既能精确拟合又足够简洁的数学公式。而 AI Feynman 则更进一步——它像一位天才物理学家那样，利用对称性、量纲分析和神经网络，从海量候选公式中快速锁定隐藏的物理方程。本教程将带你从零了解符号回归，并掌握 AI Feynman 的核心思想与实际用法。

什么是符号回归？

传统回归方法（如线性回归、多项式拟合）需要你提前指定模型形式，比如 y = a*x + b。符号回归完全不同：它连公式的结构也一并寻找。给定输入变量 x₁, x₂, ... 和输出 y，符号回归会生成诸如 y = sin(x₁) + log(x₂²) 这样的表达式，并优化其中的常数。

这一过程通常基于 遗传编程：程序随机生成大量数学表达式，通过变异、交叉、选择等进化操作，逐步逼近最佳公式。但传统符号回归在面对高维数据时，搜索空间爆炸式增长，很难找到既准确又简洁的方程。

AI Feynman 的诞生

2020 年，麻省理工学院的 Silviu-Marian Udrescu 和 Max Tegmark 在《Science Advances》上发表了 AI Feynman。它的名字致敬了物理学家理查德·费曼，目标是自动从数据中发现物理定律——而且要求发现的方程具备人类可理解的简洁性。

AI Feynman 之所以强大，是因为它融合了多种策略，大幅缩小搜索范围：

1. 量纲分析 – 强制公式满足物理量纲一致性。
2. 对称性检测 – 发现数据中的平移、缩放等不变性。
3. 神经网络预训练 – 用神经网络拟合数据，再将其分解为成分函数（如多项式、三角函数等）。
4. 模块化递归搜索 – 如果整体公式太复杂，先把问题拆分成子问题，分别求解后再组合。

这些技巧让 AI Feynman 能够从 100 个经典物理方程的数据集中，以极高准确率重新发现它们，包括万有引力定律、爱因斯坦质能方程等。

核心原理拆解

1. 维度分析与无量纲化

物理方程中，等号两边的量纲必须一致。例如距离 d = v*t 中，速度×时间给出长度，合理。如果算法随机拼接 d = v + t，量纲错误，直接淘汰。AI Feynman 自动识别每个变量的量纲（长度、时间、质量等），并在搜索时只保留量纲正确的表达式，避免大量无意义组合。

2. 对称性发现

很多物理系统存在缩放对称性。比如，行星周期与轨道半长轴的关系（开普勒第三定律）对于距离单位的缩放保持不变。AI Feynman 会检测数据中是否存在尺度变换 x → λx 下输出按照已知规律变化的特性。一旦确定对称性，可显著约束方程的可能形式。

3. 神经网络“分而治之”

这是 AI Feynman 最巧妙的部分。对于复杂数据，它先用一个全连接神经网络训练，得到高精度黑箱模型。然后通过观察神经网络的激活模式或采用自解释方法，将复杂的拟合曲面近似分解为若干简单函数的总和或乘积。例如，神经网络可能暗示数据符合 y = f₁(x₁) * f₂(x₂)，其中 f₁ 像是正弦函数，f₂ 像是多项式。于是符号回归只需在极小的候选函数集中搜索即可。

4. 递归问题分解

如果直接搜索整个表达式太困难，AI Feynman 会尝试将数据分割：比如某些变量只影响一个子项。通过计算变量间的互信息，系统判断是否可以拆解为 y = g(x₁) + h(x₂, x₃) 这样的形式。然后对 g 和 h 分别进行符号回归，最后组合。这种递归策略让搜索复杂度从指数级降为多项式级。

AI Feynman 2.0 的改进

2021 年，团队发布了 AI Feynman 2.0。它在以下方面做了提升：

• 更通用的神经网络解析器：能够处理任意多个变量的任意连接方式。
• 更丰富的函数库：支持根号、绝对值、指数、对数、双曲函数等。
• 更稳健的对称性识别：对噪声数据的鲁棒性更强。
• 开源实现：提供 Python 代码，普通电脑即可运行。

五分钟上手实战

我们可以通过 Udrescu 等人提供的开源代码来体验 AI Feynman。以下基于原版 AI Feynman 的 Python 示例（简化版流程）。

步骤一：安装依赖

git clone https://github.com/SJ001/AI-Feynman.git
cd AI-Feynman
pip install -r requirements.txt

步骤二：准备数据

创建一个 CSV 文件，包含输入和输出列。例如，我们要发现 y = x₁² + sin(x₂)。生成数据：

import numpy as np
import pandas as pd

np.random.seed(0)
x1 = np.random.uniform(0.1, 5, 100)
x2 = np.random.uniform(0.1, 5, 100)
y = x1**2 + np.sin(x2)
df = pd.DataFrame({'x1': x1, 'x2': x2, 'y': y})
df.to_csv('test_data.csv', index=False)

步骤三：运行符号回归

调用 AI Feynman 的核心函数（实际 API 可能因版本而异，此处展示概念）：

from aifeynman import AIFeynmanRegressor

reg = AIFeynmanRegressor(
    max_time=60,          # 最大搜索时间（秒）
    complexity_penalty=0.001  # 复杂度惩罚，鼓励简洁公式
)
reg.fit(df[['x1', 'x2']], df['y'])
print("发现的方程：", reg.best_eq)

大约几秒到几分钟后，程序会输出类似 x1**2 + sin(x2) 的表达式。如果一次未成功，可以调整超参数或增加时间。

限制与适用场景

AI Feynman 不是万能魔法棒。你需要清楚它的边界：

• 变量数量：原始论文测试最多约 10 个变量。变量更多时，即使采用分解技巧，搜索仍会变慢。
• 噪声水平：对低噪声数据表现极好，但高噪声（超过 10%）会导致符号恢复困难。可先进行降噪预处理。
• 函数形式：所发现的方程由预先定义的基本函数组合而成。如果真实方程含有特殊函数（如贝塞尔函数），且未包含在库中，AI Feynman 只能给出近似。
• 数据量需求：通常需要至少几百个数据点，以支持神经网络训练和对称性检测。

尽管如此，对于物理、工程、化学等领域中中等维度、低噪声、由已知基本函数构成的系统，AI Feynman 是强大的发现工具。

与传统符号回归方法的对比

进阶学习资源

• 原始论文：Udrescu & Tegmark, “AI Feynman: A physics-inspired method for symbolic regression”, Science Advances (2020).
• 2.0 论文：Udrescu et al., “AI Feynman 2.0: Pareto-optimal symbolic regression exploiting graph modularity”, NeurIPS (2021).
• 开源仓库：github.com/SJ001/AI-Feynman （包含 100 个物理方程数据集）
• 其他符号回归库：gplearn（基于遗传编程）、PySR（高性能多节点并行）、Operon（C++ 实现，速度快）。

如果你希望自己实现轻量级符号回归，可以先用 gplearn 感受进化算法如何搜索公式，再尝试将量纲约束等机制加入，逐步向 AI Feynman 的思想靠拢。

总结

符号回归是让机器学习“发明”数学公式的迷人领域，AI Feynman 通过注入物理学家式的洞察——关注量纲、对称性和模块化分解——成功地将这一技术推向实用。无论是重新发现教科书上的定律，还是分析你手中的实验数据，它都能给出简洁而深刻的物理方程。现在，克隆一份代码，让你的数据讲述自己的故事吧。