超越方程搜索：利用 SCOPE 和 ClosureBench 进行猜想引导的发现

arXiv:2610.18938v1 公告类型：新 摘要：大多数符号回归方法都会优化候选方程，但改进方程的拟合并不能确定是否应保留、修改或拒绝其基础科学猜想。一个猜想可能有多种数学实现，同样精确的方程可能意味着不同的解释。这促使人们从完善个人表达转向开发和测试指导它们的猜想。我们引入了 SCOPE，一个支持多种猜想驱动的研究轨迹的框架。多个科学家代理通过方程建模、问题制定和主动实验独立地追求猜想，然后交换证据来修改他们的猜想和研究方向。他们的发现被整合成一份将模型、结论和证据联系起来的科学报告。现有的方程发现基准主要评估恢复的表达式，而对通过调查建立的证据和科学结论的审查不足。因此，我们引入了 ClosureBench，这是一个跨五个科学领域的 60 个闭包发现任务的交互式基准测试。 ClosureBench 专注于闭包发现任务，为方程发现提供具体的科学目的。每个任务都在已知的 PDE 系统中嵌入未知的代数关系，其中代理控制 OpenFOAM 中的实验条件以获取用于方程发现的新数据。除了方程准确性之外，ClosureBench 还提出了三个指标来评估发现过程：证据可信度、机制洞察力和实验有效性。与不同的基线相比，SCOPE 在 ClosureBench 和现实世界的科学发现案例上都实现了更高的方程精度，同时产生了更准确、可靠和有效的科学发现。