Новый подход к машинному обучению в науке: ИИ-агенты проверяют физическую корректность моделей
Ученые разработали систему Physics-Audited Agentic Scientific Machine Learning (PA-SciML), которая решает давнюю проблему машинного обучения в прикладных науках: низкая погрешность модели не гарантирует её физической состоятельности. Алгоритм использует большие языковые модели (LLM) для автоматического поиска суррогатных моделей, но вместо простой минимизации ошибки вводит проверку ключевых физических требований.
В основе PA-SciML лежит принцип верификации на каждом этапе. До начала поиска фиксируется оценочный критерий, затем для каждого кандидата проверяются граничные условия, принцип суперпозиции, масштабирование жёсткости, причинность и другие законы механики. Система также отдельно исследует входные диапазоны и историю нагрузки, выявляя области максимальных нарушений без использования эталонных решений.
В экспериментах на задачах статической упругости PA-SciML выбрал модель с меньшей погрешностью, чем при стандартном подходе, и обе модели прошли стандартные линейно-упругие тесты. Однако в динамических задачах эластодинамики метод, ориентированный только на ошибку, провалил более строгую проверку причинности — он реагировал на будущие части нагрузки. Модель, отобранная PA-SciML, напротив, успешно прошла все проверки.
По словам авторов, главное отличие нового подхода — не в усреднённой оценке, а в детальном физическом анализе каждого кандидата. Это особенно важно для инженерных расчётов, где ошибочная модель может привести к неверным прогнозам деформаций или разрушений. Разработчики подчёркивают, что метод не требует увеличивать сложность итоговой модели, а лишь добавляет верификационные этапы.
Система также включает опциональную процедуру тестирования отдельных изменений модели — чтобы отследить, какие именно правки приводят к улучшению счёта. Это позволяет повысить интерпретируемость автоматизированного поиска. Результаты работы опубликованы на сервере препринтов arXiv.
Развитие методов верификации машинного обучения особенно актуально для использования ИИ в расчётах конструкций, аэродинамики, геофизики и других областей, где недопустимо игнорирование законов физики. PA-SciML предлагает практичный компромисс между автоматизацией и надёжностью.
