AI Feynman

Início rápido

Instalação

É altamente recomendável configurar um novo ambiente virtual digitando

virtualenv -p python3 feyn
source feyn/bin/activate

Primeiro instale o numpy com pip install numpy . O pacote 'aifeynman' está disponível no PyPI e pode ser instalado com pip install aifeynman .

Observe que, por enquanto, AI Feynman é compatível apenas com ambientes Linux e Mac.

Primeiro exemplo

Vá para um diretório limpo e execute os seguintes comandos Python:

import aifeynman

aifeynman.get_demos("example_data") # Download examples from server
aifeynman.run_aifeynman("./example_data/", "example1.txt", 60, "14ops.txt", polyfit_deg=3, NN_epochs=500)

Este exemplo será resolvido em cerca de 10 a 30 minutos, dependendo do computador que você possui e se possui uma GPU.

Aqui 'example.txt' contém a tabela de dados para realizar a regressão simbólica, com colunas separadas por espaços, vírgulas ou tabulações. Os outros parâmetros controlam a busca: aqui os módulos de força bruta tentam combinações das 14 operações básicas em '14ops.txt' por até 60 segundos, ajustes polinomiais são tentados até o grau 3, e a rede neural interpoladora é treinada para cima. até 500 épocas.

AI-Feynman

Este código é uma implementação aprimorada de AI Feynman: um método inspirado na física para regressão simbólica, Silviu-Marian Udrescu e Max Tegmark (2019) [Science Advances] e AI Feynman 2.0: regressão simbólica ideal de Pareto explorando a modularidade do gráfico, Udrescu SM et al. (2020) [arXiv].

Por favor, verifique este artigo do Medium para uma explicação mais detalhada de como executar o código.

Para começar, execute compile.sh para compilar os arquivos fortran usados ​​para o código de força bruta.

ai_feynman_example.py contém um exemplo de execução do código em alguns exemplos (encontrados no diretório example_data). Os exemplos correspondem às equações I.8.14, I.10.7 e I.50.26 da Tabela 4 do artigo. Mais arquivos de dados nos quais o código pode ser testado podem ser encontrados no banco de dados de regressão simbólica Feynman.

A função principal do código, chamada pelo usuário, possui os seguintes parâmetros:

• pathdir - caminho para o diretório que contém o arquivo de dados

• filename - o nome do arquivo que contém os dados

• BF_try_time - limite de tempo para cada chamada de força bruta (definido por padrão para 60 segundos)

• BF_ops_file_type - arquivo contendo os símbolos a serem usados ​​no código de força bruta (definido por padrão como "14ops.txt")

• polyfit_deg - grau máximo do polinômio tentado pela rotina de ajuste polinomial (definido como padrão para 4)

• NN_epochs - número de épocas para o treinamento (definido por padrão como 4000)

• vars_name - nome das variáveis ​​que aparecem na equação (incluindo o nome da variável de saída). Deve ser passado como uma lista de strings, com os nomes das variáveis ​​aparecendo na mesma ordem em que estão no arquivo que contém os dados

• test_percentage - porcentagem dos dados de entrada a serem mantidos de lado e usados ​​como conjunto de teste

O arquivo de dados a ser analisado deverá ser um arquivo de texto com cada coluna contendo os valores numéricos de cada variável (dependente e independente). O arquivo da solução será salvo no diretório chamado "resultados" com o nome solução_{nome do arquivo}. O arquivo de solução conterá diversas linhas (correspondendo a cada ponto na fronteira de Pareto), cada linha mostrando:

• o logaritmo médio na base 2 do erro da equação descoberta aplicada aos dados de entrada (isso pode ser considerado o erro médio em bits)

• o logaritmo cumulativo na base 2 do erro da equação descoberta aplicada aos dados de entrada (isso pode ser considerado como o erro cumulativo em bits)

• a complexidade da equação descoberta (em bits)

• o erro da equação descoberta aplicada aos dados de entrada

• a expressão simbólica da equação descoberta

Se test_percentage for diferente de zero, mais um número é adicionado no início de cada linha, mostrando o erro da equação descoberta no conjunto de teste.

ai_feynman_terminal_example.py permite chamar a função aiFeynman a partir da linha de comando. (por exemplo, python ai_feynman_terminal_example.py --pathdir=../example_data/ --filename=example1.txt). Use python ai_feynman_terminal_example.py --help para exibir todos os parâmetros disponíveis que podem ser passados ​​para a função.

Citação

Se você comparar, desenvolver ou usar aspectos do trabalho de AI Feynman, cite o seguinte:

@article{udrescu2020ai,
  title={AI Feynman: A physics-inspired method for symbolic regression},
  author={Udrescu, Silviu-Marian and Tegmark, Max},
  journal={Science Advances},
  volume={6},
  number={16},
  pages={eaay2631},
  year={2020},
  publisher={American Association for the Advancement of Science}
}

@article{udrescu2020ai,
  title={AI Feynman 2.0: Pareto-optimal symbolic regression exploiting graph modularity},
  author={Udrescu, Silviu-Marian and Tan, Andrew and Feng, Jiahai and Neto, Orisvaldo and Wu, Tailin and Tegmark, Max},
  journal={arXiv preprint arXiv:2006.10782},
  year={2020}
}