研究人员提出高维材料数据神经方程学习框架nn-EQL

2026年10月，研究人员提出面向高维材料数据的可解释神经方程学习框架 nn-EQL。该框架通过对包含自定义激活函数的神经网络进行迭代训练、剪枝与重训练，从而在高维材料数据中自动发现可解释方程。在筛选机制上，框架采用基于最小描述长度（MDL）的评分对候选方程进行排序，以权衡拟合误差与稀疏度，同时支持项级贡献分析与不确定性分析。目前，nn-EQL 已在 AI-Feynman 基准、异质材料有限元模拟以及高通量薄膜沉积数据上完成了效果验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。