Исследователи представили DASyR-LLM — метод, объединяющий символьную регрессию с доменными знаниями LLM для автоматизированного поиска кинетических моделей. Подход позволяет находить математически точные и физически интерпретируемые уравнения для химических процессов, преодолевая ограничения традиционных алгоритмов, которые часто генерируют нереалистичные формулы, игнорируя фундаментальные законы химии и термодинамики при анализе экспериментальных данных.

Традиционная символьная регрессия часто сталкивается с проблемой «черного ящика», предлагая решения, которые математически подходят к данным, но лишены физического смысла. Новый метод использует языковые модели как экспертные системы, которые направляют процесс поиска, отсеивая неправдоподобные варианты на ранних этапах. Это значительно сокращает пространство поиска и повышает качество итоговых моделей, необходимых для управления сложными химическими и биологическими реакциями.

Интеграция доменных знаний в процесс символьной регрессии открывает путь к созданию более надежных инструментов для инженеров-химиков. Вместо чисто статистического подбора коэффициентов, система учитывает ограничения, накладываемые законами сохранения массы и энергии, что делает полученные результаты пригодными для практического применения в промышленном производстве и лабораторных исследованиях.

Ключевые факты

  • Метод DASyR-LLM сочетает символьную регрессию с LLM для генерации физически обоснованных кинетических моделей.
  • Основная цель разработки — автоматизация поиска уравнений скорости реакций в химической инженерии.
  • Подход решает проблему «физической неправдоподобности» моделей, типичную для стандартных алгоритмов машинного обучения.
  • Метод обеспечивает высокую интерпретируемость результатов, что критически важно для контроля химических и биологических процессов.