The Neural Compiler: Program-to-Network Translation for Hybrid Scientific Machine Learning
神经编译器是一个将用类 Scheme 语言编写的符号程序转换为精确、可微的 PyTorch 模块的系统，使混合科学机器学习模型能够将已知物理规律与学习组件相结合，同时确保系统化的可组合性，并在参数数量显著少于标准物理信息神经网络基线的情况下实现更高的精度。
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
想象一下，你正在尝试教一台计算机理解物理定律。通常，科学家们面临一个令人沮丧的选择：
- “白板”方法：你将一个庞大的神经网络扔向数据，希望它能自行领悟重力会将物体向下拉，或者热量会向外扩散。这就像要求一个孩子只通过阅读一本书就学会整本字典。这需要耗费漫长时间，占用巨大的“大脑”，而且当情况变得棘手时，它往往会对规则产生误解。
- “温和提示”方法：你告诉计算机：“嘿，重力应该是这样运作的”，但如果它做错了，你只是轻轻敲一下它的手腕。如果这样做有助于它针对所查看的特定数据得出正确答案，计算机可能会忽略这次轻敲。这就像告诉学生：“请不要作弊”，但他们因为考试太难，最终还是作弊了。
- “手工编码”方法：你亲自一行一行地在代码中编写物理方程。这完美且准确，但速度很慢。如果你想修改方程或结合两个不同的定律，你就必须每次都从头重写代码。
“神经编译器”是一个全新的第四种选择。
将神经编译器想象成一个通用翻译器和一个“冻结”的物理引擎。
它是如何工作的：“食谱”类比
想象你拥有一份完美蛋糕的食谱（已知物理）。
- 旧方法：你试图通过品尝成千上万个蛋糕来猜测食谱（神经网络）。或者，你将食谱写在笔记本上，希望烘焙师能完美地遵循它（手工编码）。
- 编译器方法：你用一种简单、标准的语言（如配料和步骤清单）写下食谱。编译器接收这份清单，并立即构建出一台完美且不可更改的机器，专门用来烘焙完全相同的蛋糕。
这台机器拥有三项超能力：
- 它是精确的：它不猜测。如果食谱说“加入 2 杯面粉”，机器就会精确地加入 2 杯。它永远不会产生舍入误差。
- 它是冻结的：一旦建成，机器就被锁定。你无法改变它烘焙蛋糕的方式。这很好，因为它保证了物理规律始终正确。
- 它是可连接的：你可以将这台蛋糕机器与巧克力机器或糖霜机器拼接在一起，它们将完美协同工作，没有任何故障。
“混合”魔法
该系统的真正天才之处在于它如何处理未知。
想象你知道蛋糕底层的食谱（重力），但不知道要加多少糖（缺失的变量）。
- 编译器构建“蛋糕底层机器”（已知物理）并将其锁定在原地。
- 然后，它将一个“智能糖分配器”（一个小型、可训练的神经网络）连接到它上面。
- 计算机只需学习一件事：加多少糖。它无需重新学习如何烘焙蛋糕。
因为蛋糕机器是完美的，计算机能以极快的速度和极高的准确度学会糖的用量。在论文的测试中，这种方法找出了正确的“糖量”（物理常数），误差小于 1%，而“白板”方法（标准神经网络）的误差则高达**93%**或更多。
为何这很重要（“乐高”类比）
论文强调了当前人工智能的一个问题：如果你用 10 块乐高积木搭建一座塔，而每块积木都略有歪斜（微小误差），那么塔顶可能会倒塌。
- 标准人工智能：每当你堆叠一层新的知识，小误差就会累积。如果你将 5 或 6 个复杂的物理步骤串联起来，最终答案可能会完全错误。
- 编译器：因为它构建的“机器”是完美的，你可以将它们堆叠得任意高。你可以将 10 个、20 个甚至 100 个物理定律串联起来，结果依然完美无缺。误差不会累积，因为基础是稳固的。
“未来”愿景（“自然语言”桥梁）
论文描绘了一个令人兴奋的未来，在那里你甚至不需要编写代码。
- 你可以告诉人工智能：“计算两颗行星之间的重力。”
- 人工智能（大型语言模型）将你的英文句子翻译成“食谱”（代码）。
- 编译器立即将该食谱转化为一个完美运行的物理模块。
这意味着科学家只需通过与计算机对话就能构建复杂的模型，而计算机会保证物理部分 100% 正确，同时从数据中学习未知的部分。
结果总结
论文在从钟摆摆动到热流和行星运动的各个方面测试了这种方法。
- 准确性：它与人工编写的代码完全匹配（零差异）。
- 效率：为了获得相同的结果，它使用的“脑细胞”（参数）比标准人工智能少数千倍。
- 可靠性：即使在与从未见过的情况（外推）进行测试时，它也能完美运作，而标准人工智能往往完全失败。
简而言之，神经编译器是一种工具，它允许科学家将已知的物理定律作为“完美且不可更改的模块”插入，这样人工智能只需专注于学习新的、未知的部分。这之间的区别，就像是教学生死记硬背数学公式， versus 给他们一台永远不会出错的计算器。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。