Physics-constrained symbolic regression for discovering closed-form equations of multimodal water retention curves from experimental data

本文提出了一种物理约束的符号回归框架，通过结合遗传编程与物理约束损失函数，直接从实验数据中自动发现能够准确描述具有多模态孔隙分布多孔材料水 retention 特性的闭式方程。

要点

这篇论文讲述了一个关于**“教电脑像科学家一样思考”**的故事，目的是为了解决一个非常具体的工程难题：如何准确描述多孔材料（比如土壤、岩石）中水的“脾气”。

为了让你轻松理解，我们可以把这篇论文的核心内容拆解成几个生动的场景：

1. 难题：水的“双重性格”

想象一下，土壤就像一块海绵。

• 普通海绵：孔洞大小差不多，吸水放水的规律很简单，就像一条平滑的滑梯。以前的科学家用的公式（比如范·根uchten 模型）就是专门描述这种“单模态”（只有一种孔洞大小）的海绵。
• 复杂海绵：但现实中的土壤很复杂，有的地方孔大，有的地方孔小，甚至有的地方像大管子，有的地方像细毛管。这种“多模态”的土壤，水的行为就像过山车，忽上忽下，非常复杂。
• 旧方法的尴尬：以前遇到这种复杂土壤，工程师们只能把几个简单的公式硬拼在一起（就像把几个不同形状的积木强行粘在一起）。但这需要人工去调每一个积木的参数，既麻烦，又容易出错，而且如果数据很少（比如只有几个测量点），这种拼凑的方法就完全失效了。

2. 新方案：给 AI 装上“物理指南针”

作者提出了一种新方法：物理约束符号回归（PCSR）。

我们可以把这个过程想象成**“教一个调皮的孩子（AI）写诗”**：

• 传统的深度学习（黑盒）：就像给孩子一支笔，让他随便写。他可能写得很像样，但你完全不知道他脑子里在想什么（不可解释），而且他可能会写出“太阳从西边升起”这种违背常识的句子（不符合物理规律）。
• 传统的符号回归（找公式）：就像让孩子在成千上万个汉字和符号里，自己组合出一句通顺的诗。这很难，因为组合太多了，而且孩子容易为了押韵（拟合数据）而胡编乱造，写出“虽然逻辑不通但读起来顺口”的句子（过拟合）。
• 本文的“物理约束符号回归”：
  1. 目标：我们要找出一句**既押韵（符合实验数据）又符合物理常识（比如水不能凭空增加，也不能变成负数）**的“诗”（数学公式）。
  2. 方法：我们给 AI 一个**“物理指南针”**（损失函数中的物理约束）。
     • 单调性约束：告诉 AI，“吸力越大，水越少”，这是铁律，不能反着来。
     • 边界约束：告诉 AI，“水最多只能是满的（100%），最少也不能是负的（0%）”。
     • 模式约束：告诉 AI，“这块土壤有 2 种孔洞，所以你的公式曲线应该像有两个波峰的山脉，而不是乱跳的波浪”。

3. 核心魔法：进化与筛选

AI 是如何找到这个完美公式的呢？它用了一种叫**“遗传编程”的方法，就像生物进化**：

1. 诞生：AI 先随机生成几千个乱七八糟的数学公式（就像生出一堆小猴子）。
2. 考试：
   • 看谁最像实验数据？（数据损失）
   • 看谁违背了物理定律？（物理惩罚：如果水变多了，就狠狠扣分）。
   • 看谁的山峰数量对吗？（模式惩罚：如果目标是双峰，你画出了三峰，就扣分）。
3. 进化：把得分高的公式“生”出下一代（交叉），并偶尔让它们“变异”一下（修改几个符号）。
4. 结果：经过几百代的筛选，剩下的就是那个既符合数据、又遵守物理铁律、还能解释清楚的完美公式。

4. 为什么这很重要？

• 透明化：以前的 AI 模型像个黑盒子，工程师不敢用。现在，AI 吐出来的是一行行看得懂的数学公式，工程师可以直接把它写进工程软件里，就像以前用传统公式一样。
• 抗干扰：即使实验数据很少，或者数据里有噪音（测量误差），因为有“物理指南针”的约束，AI 也不会被带偏，不会算出“水比石头还重”这种荒谬的结果。
• 通用性：这个方法不仅能算土壤，未来还能算岩石、混凝土等各种多孔材料。

总结

这就好比，以前我们要描述一种复杂的海绵，只能靠猜或者拼凑；现在，我们给电脑装上了**“物理常识”和“形状指南”，让它自己从实验数据中“悟”**出了一条既科学又简洁的数学公式。

一句话概括：这是一项让 AI 在遵守物理铁律的前提下，自动从实验数据中“发明”出简洁数学公式的技术，专门用来解决复杂土壤吸水难预测的痛点。

技术摘要

这是一份关于论文《Physics-constrained symbolic regression for discovering closed-form equations of multimodal water retention curves from experimental data》（基于物理约束的符号回归用于从实验数据中发现多模态水分特征曲线的闭式方程）的详细技术总结。

1. 研究背景与问题 (Problem)

• 核心挑战：多孔介质（如土壤、岩石）的非饱和水力行为建模面临巨大挑战，特别是当材料具有多模态孔径分布（multimodal pore size distributions）时。
• 现有方法的局限性：
  • 半经验模型（如 Van Genuchten, Brooks 等）：通常假设孔径分布是单峰的（unimodal），难以准确描述复杂或多模态结构的非饱和行为。
  • 多模态叠加法：虽然可以通过叠加多个单峰模型来拟合多模态曲线，但这需要为每个模态单独识别参数，导致参数识别过程复杂，且在数据稀疏时泛化能力差，可解释性低。
  • 深度学习（神经网络）：虽然具有强大的拟合能力，但属于“黑盒”模型，缺乏可解释性，且难以保证物理一致性（例如可能预测出饱和度大于 1 或非单调的行为），因此在工程实践中尚未普及。
  • 传统符号回归（Symbolic Regression, SR）：旨在发现数据拟合最佳的数学表达式，具有高可解释性。但传统 SR 存在两个主要缺陷：
    1. 可扩展性差：随着输入维度或目标函数复杂度增加，搜索空间呈指数级增长。
    2. 过拟合与物理不一致：对噪声敏感，容易过拟合，且可能发现不符合物理定律的表达式（如非单调的持水曲线）。

2. 方法论 (Methodology)

本文提出了一种**物理约束符号回归（Physics-Constrained Symbolic Regression, PCSR）**框架，用于直接从实验数据中发现多模态水分特征曲线的闭式方程。

2.1 问题定义与数据预处理

• 任务：学习一个函数 $\hat{S}_w(s)$，将基质吸力 $s$ 映射到饱和度 $S_w$。
• 数据映射：为了训练稳定性，将原始数据 $(s, S_w)$ 映射到归一化空间 $(s^*, S_w^*) \in [0, 1]$。
  • $s^*$ 通过对吸力取对数后线性映射得到。
  • $S_w^*$ 基于最大饱和度和残余饱和度进行归一化。

2.2 物理约束 (Physics Constraints)

为了确保发现的模型符合热力学原理，框架引入了以下约束，并将其作为损失函数的一部分进行惩罚：

1. 单调性约束 (Monotonicity)：随着吸力增加，饱和度必须单调递减 ($dS_w/ds \le 0$)。
2. 极限约束 (Limiting Constraints)：
   • 在湿润端（低吸力），饱和度应达到最大值且变化率为零。
   • 在干燥端（高吸力），饱和度应达到残余值且变化率为零。
3. 有界性约束 (Boundedness)：饱和度必须在 $[0, 1]$ 之间。
4. 模态约束 (Mode Constraint)：根据先验知识（如材料特性），指定目标函数的模态数量 $N_{mode}$（即曲线中凹 - 凸拐点数量），以防止过拟合和虚假模态。

2.3 优化框架

• 算法基础：基于遗传编程（Genetic Programming, GP），将数学表达式表示为二叉树，通过选择、变异和交叉操作进化种群。
• 多目标损失函数：总损失 $L$ 由三部分组成：
  $$L = L_{data} + L_{phys} + L_{mode}$$
  • $L_{data}$：数据拟合误差（均方误差）。
  • $L_{phys}$：物理约束惩罚项。通过在配置点（collocation points）检查导数符号和边界值，对违反单调性或极限条件的情况施加惩罚（使用 ReLU 函数）。
  • $L_{mode}$：模态数量惩罚项。计算发现函数的二阶导数符号变化次数，若与预设 $N_{mode}$ 不符则施加惩罚。
• 实现：基于 Julia 语言包 SymbolicRegression.jl 构建，代码开源。

3. 关键贡献 (Key Contributions)

1. 提出 PCSR 框架：首次将物理约束（单调性、极限条件、模态数量）直接嵌入符号回归的进化过程中，解决了传统 SR 在物理一致性方面的不足。
2. 解决多模态建模难题：无需预先指定复杂的数学形式或进行繁琐的参数分步识别，即可直接从稀疏实验数据中发现符合物理规律的多模态水分特征曲线闭式方程。
3. 平衡可解释性与准确性：克服了神经网络“黑盒”和传统半经验模型“形式僵化”的缺点，生成的模型既是闭式方程（可解析、可嵌入现有模拟代码），又能准确捕捉复杂的多尺度孔隙结构特征。
4. 开源与可复现：提供了完整的开源实现和数据集，支持第三方验证和扩展。

4. 实验结果 (Results)

研究在单模态和多模态数据集上进行了广泛测试：

• 单模态案例（砂土、粘土壤土）：

  • 与传统半经验模型（Van Genuchten）相比，PCSR 能更准确地拟合实验数据，特别是在进气值和残余饱和度附近。
  • 与无约束的符号回归（Vanilla SR）相比，PCSR 有效抑制了过拟合和虚假波动，确保了曲线严格单调且符合物理边界。
  • 模态约束的作用：引入 $L_{mode}$ 后，模型能稳定地保持 $N_{mode}=1$，避免了无约束模型中出现的复杂且无物理意义的多峰结构。

• 多模态案例（双模态、三模态、四模态）：

  • 在双模态土壤（如含砾砂、粉土）数据上，PCSR 成功发现了具有正确双峰特征的闭式方程，而 Vanilla SR 或无模态约束的 PCSR 往往产生错误的模态数量（如 3-12 个模态）或剧烈波动。
  • 在合成的高模态（$N_{mode}=3, 4$）数据上，PCSR 依然能精准捕捉曲线形状并满足物理约束，证明了框架在复杂多尺度问题上的可扩展性和鲁棒性。
  • 噪声鲁棒性：附录实验表明，在存在高斯噪声的情况下，物理约束能有效防止模型过拟合噪声，保持物理行为的一致性。

5. 意义与展望 (Significance & Future Work)

• 工程应用价值：发现的闭式方程可以直接嵌入现有的水文 - 力学耦合模拟代码中，替代传统的经验公式，特别适用于孔隙结构复杂、数据稀疏的工程场景。
• 科学意义：提供了一种数据驱动与物理机制深度融合的新范式，展示了如何在保持模型可解释性的同时，利用机器学习挖掘复杂非线性关系。
• 未来方向：
  • 探索符号结构与物理参数之间的深层联系（不仅仅是拟合，而是解释物理意义）。
  • 扩展框架以处理滞后效应（hysteresis），这是非饱和土力学中的另一个复杂问题。
  • 将该方法推广到更广泛的岩土工程和环境问题中。

总结：该论文通过引入物理约束和模态先验知识，成功利用符号回归从实验数据中“发现”了既符合物理定律又具有高可解释性的多模态水分特征曲线方程，为多孔介质非饱和水力建模提供了一种强有力的新工具。