机器学习能仅仅通过观察太阳系就重新发现万有引力定律吗?

我们提出了一种方法，使用机器学习从观察数据中自动发现实际物理系统的控制方程和隐藏的规律。我们训练一个“图神经网络”来模拟我们太阳系的太阳、行星和大型卫星的动态，这些数据来自30年的轨道数据。然后，我们使用符号回归来发现神经网络隐式学习的力学定律的解析表达式，我们的结果表明，它是等效于牛顿的万有引力定律。需要的关键假设是平移和转动等方差，以及牛顿的第二和第三运动定律。我们的方法正确地发现了符号力定律的形式。此外，我们的方法不需要任何关于行星和卫星质量或物理常数的假设。它们也是通过我们的方法准确地推断出来的。当然，经典的万有引力定律自艾萨克·牛顿(Isaac Newton)以来就已为人所知，但我们的结果证明，我们的方法可以从观测数据中发现未知的定律和隐藏的属性。更广泛地说，这项工作代表了实现机器学习加速科学发现潜力的关键一步。