Advanced Science
02 April 2026
Regressione Simbolica Gerarchica Non Supervisionata per la Modellazione Interpretabile delle Proprietà in Sistemi Complessi Multivariabili
Siyu Lou1,2,†, Chengchun Liu3,†, Dongxiao Zhang2, Yuntian Chen2,*, Fanyang Mo3,4,5
1 Scuola di Scienze Informatiche, Università Jiao Tong di Shanghai, Shanghai, R. P. Cina
2 Laboratorio Chiave di Ningbo per la Simulazione della Produzione Avanzata, Istituto Orientale di Tecnologia, Ningbo, R. P. Cina
3 Scuola di Scienza e Ingegneria dei Materiali, Università di Pechino, Pechino, R. P. Cina
4 Scuola di Materiali Avanzati, Campus di Shenzhen dell'Università di Pechino, Shenzhen, R. P. Cina
5 Programma AI for Science (AI4S)-Preferred, Campus di Shenzhen dell'Università di Pechino, Shenzhen, R. P. Cina
6 Laboratorio Chiave Provinciale del Guangdong per la Ricerca su Nanomicro Materiali, Campus di Shenzhen dell'Università di Pechino, Shenzhen, R. P. Cina
† Siyu Lou e ChengChun Liu hanno contribuito in egual misura a questo lavoro.
10.1002/advs.202521200
Questo articolo introduce la regressione simbolica gerarchica non supervisionata, una nuova struttura che trasforma l'apprendimento automatico a scatola nera in equazioni scientifiche trasparenti. Scoprendo leggi interpretabili dall'uomo a partire da dati ad alta dimensionalità, essa collega intelligenza artificiale, chimica e fisica, consentendo una scoperta affidabile delle relazioni struttura-proprietà e offrendo un paradigma generale per la modellazione spiegabile in sistemi scientifici complessi.
Anhui Province Academy of Science and Technology, No. 128,Wanshui Road, Hi-Tech Zone, Hefei City, Anhui Province, China
+86 17354022649
service@sondii.com
IPv6 RETE SUPPORTATA
I nostri orari
Lun 21/11 - Mer 23/11: 9:00 - 20:00
Gio 24/11: chiuso - Buon Ringraziamento!
Venerdì 25/11: 8:00 - 22:00
Sab 26/11 - Dom 27/11: 10:00 - 21:00
(tutti gli orari sono l'ora di New York)
