ترجمه فارسی مقاله KAN 2.0: شبکه‌های کولموگوروف-آرنولد به دنیای علم می‌پیوندند

چکیده

A major challenge of AI + Science lies in their inherent incompatibility: today’s AI is primarily based on connectionism, while science depends on symbolism. To bridge the two worlds, we propose a framework to seamlessly synergize Kolmogorov-Arnold Networks (KANs) and science. The framework highlights KANs’ usage for three aspects of scientific discovery: identifying relevant features, revealing modular structures, and discovering symbolic formulas. The synergy is bidirectional: science to KAN (incorporating scientific knowledge into KANs), and KAN to science (extracting scientific insights from KANs). We highlight major new functionalities in the pykan package: (1) MultKAN: KANs with multiplication nodes. (2) kanpiler: a KAN compiler that compiles symbolic formulas into KANs. (3) tree converter: convert KANs (or any neural networks) to tree graphs. Based on these tools, we demonstrate KANs’ capability to discover various types of physical laws, including conserved quantities, Lagrangians, symmetries, and constitutive laws.

چکیده به فارسی (ترجمه ماشینی)

یک چالش مهم علم AI + در ناسازگاری ذاتی آنها نهفته است: هوش مصنوعی امروز در درجه اول مبتنی بر ارتباط گرایی است ، در حالی که علم به نمادگرایی بستگی دارد.برای برطرف کردن دو جهان ، ما چارچوبی را برای هم افزایی یکپارچه شبکه های Kolmogorov-Arnold (KANS) و Science پیشنهاد می کنیم.این چارچوب استفاده از کانز را برای سه جنبه کشف علمی برجسته می کند: شناسایی ویژگی های مربوطه ، آشکار کردن ساختارهای مدولار و کشف فرمول های نمادین.هم افزایی دو طرفه است: علم به Kan (شامل دانش علمی در Kans) و Kan to Science (استخراج بینش های علمی از Kans).ما عملکردهای مهم جدید را در بسته Pykan برجسته می کنیم: (1) Multkan: Kans با گره های ضرب.(2) Kanpiler: کامپایلر KAN که فرمول های نمادین را در Kans کامپایل می کند.(3) مبدل درخت: Kans (یا هر شبکه عصبی) را به نمودارهای درخت تبدیل کنید.بر اساس این ابزارها ، ما توانایی کانز را برای کشف انواع مختلف قوانین جسمی از جمله مقادیر محافظت شده ، لاگرانژی ، تقارن و قوانین سازنده نشان می دهیم.