新しい科学的方程式を導くための機械学習ツール　プリンストン大の研究者が発表

いつの時代も科学者たちは、自然の摂理を象徴的（シンボリック）な方程式によって理解しようと努めてきました。そんな中、プリンストン大学の研究者が新しいツール「PySR」を開発しました。これはあたかも21世紀のアインシュタインのように、データから科学的な方程式を自動的に導くためのシンボリック回帰ライブラリです。

参照論文情報

• タイトル：Interpretable Machine Learning for Science with PySR and SymbolicRegression.jl
• 著者：Miles Cranmer
• 論文URL：https://doi.org/10.48550/arXiv.2305.01582
• GitHub：https://github.com/MilesCranmer/SymbolicRegression.jl

目次

• シンボリック回帰とAIの巧妙な組み合わせ
• クラシックとモダン、その対決
• PySRの動作ロジック
• 新たな発見の波
• まとめ
• 関連研究

シンボリック回帰とAIの巧妙な組み合わせ

「PySR」は、人間が直接的に理解可能な形式でパターンや関係性を発見するためのシンボリック回帰という技術をベースにしています。これは、データ内に存在するパターンを、人間が解釈しやすい形の数学的な方程式に変換するものです。例えば、投球されたボールの軌道や、時速を表す速度方程式などがこれに当たります。

一方で、PySRは、人間が直感的に解釈できない複雑なパターンを把握する能力で知られるディープラーニングと組み合わせています。これにより、PySRは複雑な非線形データからも有用な情報を抽出することが可能になっています。

したがって、PySRは「人間の理解と機械の学習のブリッジ」とも言えるでしょう。人間が理解できる形式でのパターン認識と、複雑なパターンを機械が学習する能力を組み合わせることで、データ解析の新たな領域を切り開いています。

クラシックとモダン、その対決

シンボリック回帰というアプローチは昔から存在しましたが、PySRはそのアプローチを現代のAIと融合させることで、従来の手法を凌駕するパフォーマンスを実現しています。特に、最新のディープラーニングベースの手法であるEQLやSR-Transformerと比較した場合、