🤖 machine learning

Enhancing Symbolic Regression and Universal Physics-Informed Neural Networks with Dimensional Analysis

Cet article propose un cadre qui intègre l'analyse dimensionnelle (spécifiquement le théorème $\Pi$ de Buckingham et la méthode d'Ipsen) à la régression symbolique et aux réseaux de neurones universels informés par la physique afin de réduire les coûts computationnels, de minimiser le surapprentissage et d'améliorer significativement la précision de la découverte d'équations directrices à partir de données limitées ou bruitées.

Auteurs originaux : Lena Podina, Diba Darooneh, Joshveer Grewal, Mohammad Kohandel

Publié 2026-06-23

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Lena Podina, Diba Darooneh, Joshveer Grewal, Mohammad Kohandel

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de découvrir la recette secrète d'un gâteau délicieux, mais que vous ne possédez que la liste des ingrédients et le goût final, sans les instructions. Vous voulez écrire la formule mathématique exacte qui transforme ces ingrédients en ce goût. C'est ce que les scientifiques appellent la Régression Symbolique : utiliser des ordinateurs pour découvrir les équations cachées qui expliquent le fonctionnement du monde.

Cependant, cette tâche est comparable à la recherche d'une aiguille spécifique dans une botte de foin de la taille d'une montagne. L'ordinateur doit deviner des milliards de formules possibles, ce qui prend beaucoup de temps et mène souvent à de mauvaises réponses (le surapprentissage ou "overfitting").

Ce document présente une astuce ingénieuse pour rendre cette recherche plus facile et plus précise : l'Analyse Dimensionnelle. Considérez cela comme un « traducteur d'unités » qui dépouille les données de leurs étiquettes déroutantes (comme les mètres, les secondes ou les kilogrammes) pour se concentrer uniquement sur les relations pures entre les nombres.

Voici comment les auteurs ont procédé, en utilisant des analogies simples :

1. Le Problème : Trop de variables

Imaginez que vous essayiez de prédire la vitesse d'une voiture. Vous pourriez regarder la taille du moteur, le poids de la voiture, la vitesse du vent, la pression des pneus et l'humeur du conducteur. Cela fait cinq choses différentes à gérer. Si vous essayez de trouver une formule reliant ces cinq éléments, c'est un désordre total.

2. La Solution : Les filtres « Buckingham Π » et « Ipsen »

Les auteurs ont utilisé deux méthodes spécifiques (nommées d'après leurs inventeurs, Buckingham et Ipsen) pour simplifier le problème.

L'analogie : Imaginez que vous préparez un gâteau. Au lieu de vous soucier du poids exact de la farine en grammes ou de la température exacte en Celsius, vous réalisez que ce qui importe, c'est le ratio entre la farine et le sucre, et le ratio entre la chaleur et le temps.
Ce que le papier a fait : Ils ont pris leurs données complexes et les ont converties en ces « ratios » (appelés groupes adimensionnels). Soudain, au lieu de jongler avec cinq variables, l'ordinateur n'avait plus qu'à observer deux ou trois ratios. C'est comme réduire cette immense botte de foin en un petit tas de paille.

3. L'Expérience : Équations Algébriques (Le test de la « Recette »)

D'abord, l'équipe a testé cela sur des formules mathématiques simples (comme la gravité ou la chute d'une balle).

Le résultat : Lorsque l'ordinateur recevait les données « brutes » (avec les unités), il se trompait souvent ou mettait beaucoup de temps. Mais lorsqu'on lui donnait les données de « ratio » (adimensionnelles), l'ordinateur trouvait la formule exacte et correcte presque à chaque fois, et ce, beaucoup plus rapidement. C'était comme donner une carte à l'ordinateur plutôt qu'un bandeau sur les yeux.

4. Le Test Avancé : Le Mystère « Partiellement Connu » (UPINNs)

Ensuite, ils ont abordé un défi plus difficile : les Équations Différentielles. Ce sont des équations qui décrivent comment les choses changent au fil du temps, comme la croissance d'une population de lapins ou le mouvement d'une bille sur un cerceau.

Le scénario : Imaginez que vous connaissez la moitié de la recette (par exemple, vous savez comment la population de lapins croît naturellement), mais que vous ne connaissez pas la seconde moitié (par exemple, combien de lapins sont mangés par les renards).
L'outil : Ils ont utilisé une IA spéciale appelée UPINN (Universal Physics-Informed Neural Network). Considérez l'UPINN comme un « devineur intelligent » qui apprend la partie manquante de la recette grâce aux données.
Le rebondissement : Ils ont appliqué leur « filtre de ratio » (Analyse Dimensionnelle) avant que le devineur intelligent n'examine les données.
Le résultat :
- Sans le filtre : Le devineur intelligent avait du mal, surtout lorsque les données étaient bruitées (comme une recette contenant quelques miettes brûlées). Il ne parvenait pas à identifier clairement la partie manquante.
- Avec le filtre : Le devineur intelligent a trouvé la partie manquante avec beaucoup plus de précision. Parce que les données avaient été simplifiées en ratios purs, l'ordinateur n'a pas été perturbé par le bruit ou les unités.

5. La Grande Victoire : L'exemple « Lotka-Volterra »

Dans leur test le plus complexe (un modèle prédateur-proie), ils ont démontré qu'en utilisant leur méthode, ils pouvaient réduire la partie inconnue de l'équation à zéro variable supplémentaire.

L'analogie : Habituellement, on pourrait penser que la recette manquante dépend de la température, de l'humidité et de l'heure de la journée. Mais leur méthode a montré qu'en réalité, la partie manquante ne dépend que du ratio entre les prédateurs et les proies. Elle a éliminé tout le désordre inutile, laissant une formule simple et limpide.

Résumé

Le papier affirme qu'en traduisant les données du monde réel en « ratios purs » (nombres adimensionnels) avant de demander à un ordinateur de trouver la formule mathématique, on peut :

Trouver la bonne réponse beaucoup plus souvent.
Le faire plus vite car il y a moins de possibilités à vérifier.
Mieux gérer les données bruitées (comme une recette comportant quelques erreurs).
Travailler même quand on ne connaît qu'une partie de la physique, en aidant l'IA à trouver les pièces manquantes.

Essentiellement, ils n'ont pas inventé un nouveau type d'ordinateur ; ils ont simplement appris à l'ordinateur à regarder le problème d'une manière plus simple et plus « compatible avec la physique », rendant la tâche de la découverte des secrets de la nature beaucoup plus facile.

Résumé Technique : Amélioration de la Régression Symbolique et des UPINN par l'Analyse Dimensionnelle

Énoncé du Problème
En ingénierie et en mathématiques appliquées, dériver des modèles mathématiques précis et interprétables à partir de données expérimentales est crucial pour le contrôle et l'optimisation. La régression symbolique (RS) est apparue comme un outil puissant pour découvrir des équations sous forme fermée directement à partir de données sans hypothèses prédéfinies. Cependant, la RS fait face à des défis importants : c'est un problème NP-difficile caractérisé par un espace de recherche exhaustif qui entraîne des coûts de calcul élevés, une convergence lente et un risque élevé de surapprentissage, particulièrement lorsque les ensembles de données sont limités ou bruités. De plus, les algorithmes de RS standards peinent souvent à imposer la cohérence physique (homogénéité dimensionnelle) dans les équations découvertes. Bien que des travaux antérieurs aient intégré l'analyse dimensionnelle à la RS, ils se sont largement limités à des équations entièrement connues ou n'ont pas systématiquement démontré les avantages de la nondimensionnalisation dans des scénarios de « connaissance partielle » où certains termes d'une équation différentielle sont connus et d'autres doivent être appris.

Méthodologie
Les auteurs proposent un cadre qui intègre l'analyse dimensionnelle — spécifiquement le théorème de Buckingham $\Pi$ et la méthode d'Ipsen — avec la régression symbolique et les réseaux de neurones universels informés par la physique (UPINN). La méthodologie est divisée en deux flux de travail principaux :

Découverte Complète d'Équations Algébriques :
Les auteurs combinent le théorème de Buckingham $\Pi$ avec l'algorithme de régression symbolique PySR. Ils démontrent qu'en transformant les données dimensionnelles brutes en termes $\pi$ sans dimension avant la régression, on réduit le nombre de variables d'entrée. Ce processus simplifie l'espace de recherche, garantissant que les expressions candidates sont construites à partir de groupes sans dimension plutôt qu'à partir des variables originales, éliminant ainsi automatiquement les expressions dimensionnellement incohérentes.
Découverte de Connaissance Partielle dans les Équations Différentielles (La Contribution Principale) :
Pour les scénarios où une équation différentielle est partiellement connue (par exemple, $du/dt = P(u,t) + Q(u,t) $où$ P$ est connu et $Q$ est inconnu), les auteurs introduisent un nouveau pipeline :

Nondimensionnalisation via la Méthode d'Ipsen : Contrairement au théorème de Buckingham $\Pi$ , qui minimise le nombre total de termes $\pi$ , la méthode d'Ipsen permet la sélection spécifique de constantes sans dimension pour minimiser le nombre de variables d'entrée apparaissant dans le terme inconnu $Q$ . Cela est réalisé en éliminant de manière itérative les dimensions de la composante inconnue.
Approximation par UPINN : Un réseau de neurones universel informé par la physique (UPINN) est entraîné pour récupérer le terme caché $Q$ en utilisant les données nondimensionnalisées. L'UPINN apprend $Q$ en tant que fonction de seulement les groupes sans dimension pertinents, réduisant considérablement la complexité de la tâche d'approximation de fonction.
Régression Symbolique : La sortie de l'UPINN (le terme caché approximé) est ensuite injectée dans un algorithme de régression symbolique (PySR) pour trouver une expression sous forme fermée pour le terme sans dimension inconnu.
Récupération : L'équation sans dimension finale peut être remappée vers les variables dimensionnelles originales pour récupérer l'équation directrice.

Le cadre a été testé sur trois cas distincts : un modèle de croissance logistique étendu (EDO du premier ordre), un modèle de bille rotative (EDO du second ordre) et un système de Lotka-Volterra étendu (EDO couplées). Les expériences ont été menées sous des conditions sans bruit et avec du bruit.

Principales Contributions

Intégration de Buckingham $\Pi$ avec la RS : L'article démontre que la combinaison du théorème de Buckingham $\Pi$ avec PySR améliore considérablement la précision de la récupération des équations algébriques, atteignant souvent une récupération exacte là où la formulation originale échoue.
Nouveau Pipeline de Connaissance Partielle : Les auteurs introduisent un pipeline intégrant la méthode d'Ipsen, les UPINN et la RS. Cette approche cible spécifiquement la récupération de termes inconnus dans les équations différentielles en réduisant la dimensionnalité d'entrée de la composante inconnue avant l'apprentissage.
Validation Systématique : L'étude fournit une comparaison systématique de la performance de la RS sur les données originales versus les données nondimensionnalisées à travers plusieurs types d'équations différentielles, montrant des améliorations constantes dans les métriques d'erreur et les taux de récupération d'équations.

Résultats

Équations Algébriques : Appliquée à sept équations algébiques, la nondimensionnalisation a permis à PySR de récupérer les véritables équations sous-jacentes exactement (avec un MSE négligeable) dans presque tous les cas, alors que la formulation originale échouait fréquemment à généraliser ou produisait des expressions incorrectes. Par exemple, dans le cas de la loi de Coulomb, la nondimensionnalisation a réduit le problème à un seul terme $\pi$ , permettant une récupération exacte.
Équations Différentielles (Croissance Logistique) : Pour le modèle de croissance logistique étendue, l'UPINN a réussi à récupérer le terme caché sous formes originale et sans dimension. Cependant, la régression symbolique sur les données sans dimension a récupéré l'expression réelle ( $\alpha^2/(\alpha^2+1)$ ) avec une grande précision, tandis que la RS sur les données originales n'a pas réussi à trouver la forme correcte, même avec un volume de données accru. Cet avantage a persisté dans des conditions bruitées ( $\epsilon=0.05$ et $\epsilon=0.1$ ), où l'approche sans dimension a produit des MSE nettement inférieurs.
Équations Différentielles (Bille Rotative) : Des résultats similaires ont été observés pour le modèle de la bille rotative. L'approche sans dimension a permis à PySR de récupérer la véritable équation ( $-\epsilon \sin \theta + \sin \theta \cos \theta$ ), tandis que la formulation originale a entraîné un MSE élevé et des expressions incorrectes.
Équations Différentielles (Lotka-Volterra) : Dans le système de Lotka-Volterra étendu, le terme inconnu a été réduit à une fonction sans paramètre de deux variables sans dimension ( $x, y$ ). Bien que l'UPINN ait appris le terme caché avec précision dans les deux cas, PySR a eu du mal à récupérer la fonction rationnelle exacte dans l'une ou l'autre formulation, bien que l'approche sans dimension ait tout de même produit des valeurs de perte plus faibles. Les auteurs notent que l'ensemble de données pourrait manquer d'informations suffisantes pour distinguer la vérité terrain d'expressions similaires.

Signification et Revendications
L'article affirme que l'intégration de l'analyse dimensionnelle avec la régression symbolique offre un cadre robuste pour la découverte automatisée d'équations directrices, particulièrement lorsque les données sont limitées ou bruitées. En réduisant l'espace de recherche aux groupes sans dimension, la méthode réduit les coûts de calcul, atténue le surapprentissage et garantit l'interprétabilité physique. Les auteurs soulignent qu'à l'inverse des méthodes de compression statistique (ex: PCA), l'analyse dimensionnelle préserve les relations invariantes entre les quantités.

Les auteurs positionnent modestement ce travail comme une preuve de concept. Ils reconnaissent que la méthode repose sur des hypothèses telles que des variables d'entrée et des matrices dimensionnelles entièrement connues, et que l'application au monde réel peut nécessifier la gestion de variables cachées ou non observées. Ils notent également que si le pipeline améliore les performances, il ne garantit pas la découverte de la véritable équation dans chaque scénario complexe (comme vu dans les résultats de Lotka-Volterra). Des travaux futurs sont suggérés pour inclure l'assouplissement de ces hypothèses, la création de benchmarks avec des données réelles et l'investigation des effets spécifiques de différentes stratégies de nondimensionnalisation sur les performances de l'algorithme.