Distillation des lois naturelles en libre forme à partir de données expérimentales

Depuis des siècles, les scientifiques ont tenté d'identifier et de documenter les lois analytiques qui sous-tendent les phénomènes physiques dans la nature. Malgré la prévalence de la puissance de calcul, le processus de recherche des lois naturelles et de leurs équations correspondantes a résisté à l'automatisation. Un défi clé pour trouver des relations analytiques de manière automatique est de définir algorithmiquement ce qui rend une corrélation dans les données observées importante et éclairante. Nous proposons un principe pour l'identification de la non-trivialité. Nous avons démontré cette approche en recherchant automatiquement des données de suivi de mouvement capturées à partir de divers systèmes physiques, allant des oscillateurs harmoniques simples aux double-pendules chaotiques. Sans aucune connaissance préalable en physique, cinématique ou géométrie, l'algorithme a découvert des Hamiltoniens, des Lagrangiens et d'autres lois de conservation géométrique et de moment. Le taux de découverte a accéléré à mesure que les lois trouvées pour des systèmes plus simples étaient utilisées pour bootstrap des explications pour des systèmes plus complexes, révélant progressivement l'"alphabet" utilisé pour décrire ces systèmes.