ニューラル ネットワーク アーキテクチャ KAN は、メジャー アップグレード - KAN 2.0 バージョンを導入しました。このアップデートにより、科学研究、特に古典物理学の分野における KAN の応用能力が大幅に強化されました。研究者は、KAN 2.0 モデルをカスタマイズし、ラグランジュ関数などの重要な概念を特定するなど、物理システムをより詳しく調査するための専門知識を組み込むことができます。 これは、科学研究における AI の応用におけるさらなる飛躍を示し、AI と科学の間に固有の非互換性の問題を解決する新しい方法を提供します。
KAN のバージョン 2.0 では、ニューラル ネットワーク アーキテクチャが導入され、このアップデートにより、KAN は科学的問題、特に古典物理学の研究分野とより深く統合されました。研究者は独自の KAN2.0 をカスタマイズし、専門知識をモデルに組み込んで、物理システムにおけるラグランジアンなどの重要な概念を発見できるようになりました。
KAN2.0 を使用すると、研究者は専門知識を補助変数として使用して、個人のニーズに応じてモデルをカスタマイズでき、古典物理学の研究に新しい視点を提供します。
新しいフレームワーク KAN2.0 は、AI と科学の間に固有の非互換性の問題を解決することに特化しています。科学知識を KAN に統合し、KAN から科学的洞察を抽出するという双方向の相乗効果を通じて AI と科学を統合します。
KAN2.0の3つの新機能
MultKAN: 乗算ノードを導入したKANによりモデルの表現力が向上します。
kanpiler: シンボリック式を KAN にコンパイルし、モデルの実用性を向上させるコンパイラー。
ツリー コンバータ: KAN2.0 アーキテクチャをツリー図に変換し、モデルの解釈可能性を高めます。
科学的発見における KAN2.0 の役割は、主に、重要な特徴の特定、モジュール構造の解明、記号式の発見という 3 つの側面に反映されています。これらの機能は、元の KAN よりも強化されています。
KAN2.0 の解釈可能性はより一般的であり、記号方程式で表現することが難しい化学や生物学などの分野に適しています。ユーザーはモジュール構造を KAN2.0 に構築し、MLP ニューロンと交換することでモジュール構造を視覚的に確認できます。
研究チームは、KAN2.0をより大規模な問題に適用し、物理学以外の科学分野にも拡張することを計画している。
この研究は、MIT、カリフォルニア工科大学、MIT CSAIL、その他の機関の研究者5名（中国人学者3名を含む）によって共同で完了しました。この論文の筆頭著者である Liu Ziming は、MIT の博士課程 4 年生であり、人工知能と物理学の接点に研究の関心を置いています。
論文アドレス: https://arxiv.org/pdf/2408.10205
プロジェクトアドレス: https://github.com/KindXiaoming/pykan
KAN 2.0 のリリースは、学際的な分野での応用が期待できる科学研究用の強力な新しいツールを提供します。 将来的には、KAN 2.0 がより多くの科学分野でブレークスルーを起こし、科学的発見の加速的な発展を促進することが期待されます。 このプロジェクトのソース コードはオープンソースで公開されており、誰でも貢献することができます。