Rediscovering the Lunar Equation of the Centre with AI Feynman via Embedded Physical Biases
Saumya Shah, Zi-Yu Khoo, Abel Yang, Stéphane Bressan
这项工作探索使用受物理学启发的AI Feynman符号回归算法,自动重新发现天文学中的一个基本方程 - 中心的方程。 通过数据预处理和搜索空间限制引入与系统物理性质相对应的观测和感应偏差,AI Feynman成功地从月球短暂性数据中恢复了这一方程的一阶分析形式。 然而,这种手动方法突出了其依赖专家驱动的坐标系选择的一个关键限制。 因此,我们建议自动预处理扩展以找到规范坐标系。 结果表明,有针对性的领域知识嵌入使符号回归能够重新发现物理定律,但也强调了在通过量身定制的偏见利用域知识时,限制符号回归以推导出物理方程的进一步挑战。
This work explores using the physics-inspired AI Feynman symbolic regression algorithm to automatically rediscover a fundamental equation in astronomy – the Equation of the Centre. Through the introduction of observational and inductive biases corresponding to the physical nature of the system through data preprocessing and search space restriction, AI Feynman was successful in recovering the first-order analytical form of this equation from lunar ephemerides data. However, this manual approach ...