Agentic Symbolic Search: Characterizing PDEs Beyond Hand-crafted Expressions, Meshes, and Neural Networks
Zongmin Yu, Liu Yang
ASYS는 PDE 이론과 문제 제약을 사전 지식으로 활용해 에이전트가 상징적 수식을 자동 탐색하는 프레임워크로, 수치 해석이나 신경망 없이 해석적 근사를 제공한다.
수학자들은 PDE 해를 수치 표가 아닌 수학적 구조로 이해하지만, 기존 방법(수치 시뮬레이션, 신경망)은 직접적인 구조를 제공하지 못한다. 각 문제에 대해 수동 해석이 필요하다.
ASYS는 PDE 이론, 공개 문제 제약, 축적된 탐색 경험을 에이전트가 테스트 가능한 미분 가능 상징적 프로그램으로 변환한다. 진화 탐색으로 수학적 형태를 개선하고, 연속 매개변수는 경사 기반 최적화로 피팅한다. 이는 맹목적 상징 회귀가 아닌 귀납적 편향 주입의 자동화된 형태다.
5개 문제(유계 동역학, 유한 시간 폭발, 자유 경계 집중)에서 ASYS는 해석적 표현을 생성했다. Allen-Cahn 2D 동역학에 대한 기하학적 계면 공식과 Keller-Segel 화학주성 폭발에 대한 9-매개변수 수축 법칙을 새로 발견했다. 이는 수작업 해석해, 격자 기반 수치해, 신경망 근사를 넘어서는 새로운 패러다임을 보여준다.