📊 statistics

General solutions for nonlinear differential equations: a rule-based self-learning approach using deep reinforcement learning

本文提出了一种基于深度强化学习的新型规则驱动自学习框架，通过利用受物理定律引导的神经网络参与者并利用时间连续性进行迁移学习，从而准确且高效地求解各种非线性常微分方程和偏微分方程。

原作者： Shiyin Wei, Xiaowei Jin, Hui Li

发布于 2026-06-04

📖 1 分钟阅读☕ 轻松阅读

原作者： Shiyin Wei, Xiaowei Jin, Hui Li

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你正在试图解决一个巨大的、复杂的拼图，这些拼图块一直在移动，而且你手里没有盒子上印着的图案来引导你。在物理学和工程学领域，这些被称为“微分方程”的拼图。它们描述了事物如何随时间或空间变化——比如桥梁在风中如何摇摆，热量如何在金属中扩散，或者水流如何绕过船只。

传统上，解决这些拼图需要受过高度训练的数学家和僵化的、循序渐进的数值方法。但这一新论文提出了一种不同的方式：教计算机通过试错法进行学习，就像人类学习玩电子游戏一样。

以下是他们使用简单类比对这种“基于规则的自学习”方法的拆解：

1. 游戏：猜猜看与检查

作者将求解方程视为一场飞镖游戏。

执行者（玩家）： 一个聪明的计算机大脑（深度神经网络）充当玩家。它的任务是向目标投掷“飞镖”。在这种情况下，“飞镖”是对方程在特定时刻解的某种猜测。
评论家（裁判）： 通常在视频游戏中，裁判会根据得分告诉你赢了还是输了。在这里，裁判是物理定律本身（即方程）。计算机不需要预先知道答案，它只需要知道游戏的规则（方程、初始条件和边界限制）。
目标： 计算机投掷一个猜测。评论家会检查这个猜测是否违反了物理规则。如果猜测偏差很大，评论家会说：“哎哟，这很疼！”（高误差得分）。如果猜测完美符合规则，评论家会说：“做得好！”（低误差得分）。

2. 学习过程：“学会学习”

计算机不仅仅是猜一次。它使用了一种叫做深度强化学习 (DRL) 的技术。

试错法： 计算机进行成千上万次的猜测。每当它做出一个错误的猜测时，它都会从“痛苦”（误差）中学习，并调整策略以在下次做出更好的猜测。
无需教科书： 与其他需要喂给它成千上万个正确答案示例（比如向计算机展示一万张猫的照片来教会它什么是猫）的 AI 方法不同，这种方法不需要任何示例。它只需要规则手册（方程）。它纯粹通过尝试去满足规则来推导出解。

3. 秘诀：“滚石效应”

论文中最有趣的发现之一是计算机如何处理时间。

想象你在爬一座长长的、蜿蜒的小山。通常，你走一步，停下来，思考一下，然后再走下一步。
这种新方法不同。当计算机解决第 1 步时，它不会丢弃它的大脑。它保留了所学到的知识。当它移动到第 2 步时，它将第 1 步中学到的知识作为“起跑优势”。
结果： 计算机变得越来越快。这就像一个学生，在做完作业的前几道数学题后，突然理解了其中的模式，以至于剩下的题目变得容易且快速解决。论文称之为迁移学习。

4. 他们测试了什么？

作者在历史上一些最著名且最困难的物理谜题上测试了他们的“AI 求解器”：

范德波尔方程 (Van der Pol Equation)： 一个描述振荡器（如带有摩擦力的心跳或摆锤）行为的模型。
运动方程： 建筑物和结构在地震期间如何运动。
洛伦兹方程 (Lorenz Equations)： 一个著名的天气模式模型。
伯格斯方程 (Burgers' Equation)： 一个描述冲击波（如音爆）如何在气体中传播的模型。
薛定谔方程 (Schrödinger Equation)： 量子力学的基本方程（微观粒子如何行为）。
纳维-斯托克斯方程 (Navier-Stokes Equations)： 描述流体（如水或空气）如何流动的复杂数学。

结果：
对于大多数问题，AI 的猜测极其准确，能够匹配传统的、高功率的数学方法。它甚至能比一些在处理数学难题时表现挣扎的传统计算机方法更好地处理“冲击波”（数据中的突然、剧烈变化）。

5. 它的短板在哪里：“蝴蝶效应”

论文诚实地说明了其局限性。该方法对于稳定的系统运作得非常出色。然而，它在处理混沌系统（例如变得非常狂野的洛伦兹方程）时会遇到困难。

类比： 想象一个混沌系统就像一个纸牌屋。如果你轻轻吹一口气，它会以可预测的方式倒塌。但如果系统是混沌的，一个微小的、几乎不可见的微风（计算机数学中的微小舍入误差）就会导致整个结构以与预期完全不同的方式坍塌。
因为计算机是逐步构建其解的，所以第一步中的微小错误会在下一步、再下一步中被放大，直到最终答案出错。论文指出，对于这些特定的“混沌”场景，目前的 AI 还无法保持物理学所要求的完美对称性。

总结

这篇论文介绍了一种让计算机求解物理世界数学问题的新方法。它不是被编程输入答案，而是被赋予了游戏规则，并通过猜测、检查和自我修正来进行学习。它在过程中变得越来越聪明、越来越快，且不需要任何关于解的先验知识。虽然它目前还不是对所有类型的混沌问题都完美，但它代表了迈向创造能够“自学”物理定律的 AI 智能体的重要一步，而无需人类老师先向它们展示答案。

技术摘要：基于规则驱动深度强化学习的非线性微分方程通用求解方案

问题陈述
微分方程（包括常微分方程 ODEs 和偏微分方程 PDEs）是描述物理动力学的基本工具。然而，传统的解析和数值方法需要严格的技术训练，且往往在处理高维问题或局部最优解时表现不佳。尽管近期的深度学习方法尝试解决这些方程，但许多方法依赖于大规模数据集（数据同化），或以监督学习的方式将控制方程视为“弱标签”，这在处理高维或混沌系统时容易导致不稳定性。此外，现有方法往往未能充分利用解的时间连续性，导致跨时间步的重复计算。因此，需要一种更简单、更通用的基于规则的方法，使计算智能体能够以极少的人为预设知识来“学习求解方程”。

方法论
作者提出了一种全新的基于规则的深度强化学习（DRL）自学习方法。与数据驱动方法不同，该框架不需要先验解数据；它完全依赖于嵌入在控制方程、边界条件和初始条件中的物理规则。

框架结构： 求解器被建模为一个马尔可夫决策过程（MDP）。
- 状态 ( $s$ )： 定义为连续解域内的一组采样点（空间和时间坐标）。
- 动作 ( $a$ )： 定义为这些点处微分方程的候选解。
- 策略网络（Actor）： 一个由参数 $\theta$ 定义的深度神经网络（DNN），将状态映射到概率策略（高斯分布）。它输出动作的均值 ( $\mu$ ) 和标准差 ( $\sigma$ )。为了保持梯度传播并确保可微性，该网络使用了 tanh 激活函数。
- 评论家（Critic）： 一个完全源自物理定律的基于规则的评估器。它通过将候选动作代入控制方程、边界条件和初始条件，计算其“不平衡度”（残差）。该不平衡度即作为损失函数。
训练机制： 该过程被视为一种试错学习机制。使用确定性策略梯度（DPG）算法和 Adam 优化器来训练策略网络，以最小化损失函数（即方程的不平衡度）。
时间离散化与迁移学习： 求解过程在离散的时间步内进行。至关重要的是，当前时间步策略网络的参数被用作下一步的初始化。这利用了物理解的时间连续性，展现出迁移学习的特性，从而加速了后续时间步的收敛。
条件处理： 对于特定方程（如 Burgers 和 Schrödinger 方程），通过特定的输出形式对网络架构进行修改，使其能够自然地满足初始条件和边界条件，从而减轻损失函数的负担。

核心贡献

基于规则的自学习： 本文引入了一种 DRL 范式，其中控制方程充当评论家，消除了对标记训练数据的需求。这使得智能体能够纯粹基于物理规则来学习解。
时间维度的迁移学习： 通过将离散时间步视为共享同一控制方程的多个任务，该方法利用当前步的解参数来初始化下一步。这显著降低了随着模拟推进所需的计算成本和迭代步数。
通用框架： 该方法被呈现为一种通用的方法论，适用于各种类型的非线性 ODE 和 PDE，且无需针对方程特征进行特定的解析知识处理。

结果
所提出的 DRL 求解器通过针对高阶数值方法（如 Runge–Kutta ODE45、ETD4RK）和解析解的验证，在多个基准问题上进行了测试：

Van der Pol 方程： DRL 解与 ODE45 方法表现出高度一致性。
运动方程（SDO 和 MDOF）： 该方法成功求解了在地震激励（El Centro 信号）下具有 Bouc-Wen 滞回特性的非线性结构动力学问题，结果与 ODE45 相匹配。
Lorenz 方程：
- 稳定情况 ( $\rho=15$ )： DRL 解与解析/数值解相符，并正确捕捉到了系统的对称性。
- 混沌情况 ( $\rho=28$ )： 求解器未能维持理论上的对称性，并偏离了预期解。作者将其归因于混沌系统对初始条件的敏感性以及累积的舍入误差，这些因素是试错机制无法克服的。
Burgers 方程： 求解器准确捕捉了不同扩散系数（ $\nu = 0.1, 0.05, 0.01, 0.002$ ）下的冲击波。值得注意的是，对于 $\nu=0.002$ ，当解析级数解（Cole）和标准有限元方法（使用粗网格）变得不稳定或失效时，DRL 解仍能保持稳定。
Schrödinger 方程： 该方法求解了非线性 Schrödinger 方程，其实部和虚部与 ETD4RK 数值解相匹配。
Navier–Stokes 方程： 求解器成功模拟了稳态 Couette 流，正确预测了速度分布。

意义与局限性
论文声称，这种方法为能够通过学习求解微分方程来理解物理世界的**通用人工智能（AGI）**智能体提供了一条路径，且仅需极少的人为干预。其主要意义在于求解器的“基于规则”性质，这使得自学习无需受限于数据可用性或复杂的数学预处理。

然而，作者也坦诚地指出了当前的局限性：

混沌系统： 由于误差累积和对初始状态的敏感性，该方法在处理表现出混沌行为的系统（如高瑞利数下的 Lorenz 方程）时表现困难。
计算成本： 虽然迁移学习加速了过程，但目前训练大型深层网络仍然计算昂贵，在所有情况下尚未在原始速度上超越传统数值方法。
复杂性： 该方法目前在处理涉及许多局部最优解的复杂目标函数（如湍流）时面临挑战。

作者总结道，虽然该方法在计算效率上尚未优于成熟的数值方法，但它代表了向能够仅凭物理规则求解方程的自主科学计算智能体迈出的重要一步。未来的工作旨在通过利用低维特征来解决混沌系统和湍流问题。

1. 游戏：猜猜看与检查

2. 学习过程：“学会学习”

3. 秘诀：“滚石效应”

4. 他们测试了什么？

5. 它的短板在哪里：“蝴蝶效应”

总结

类似论文