⚡ electrical engineering

PyCC.id: A package for hypothesis-driven equation discovery with structural identifiability

本文介绍了 PyCC，这是一个通过利用结构可识别骨架来约束搜索空间并整合各种方程发现范式的 Python 库，旨在促进假设驱动的常微分方程发现。

原作者： Federico J. Gonzalez

发布于 2026-06-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Federico J. Gonzalez

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

想象你是一名正在试图破解谜题的侦探：究竟是什么隐藏的规则在支配着一个系统的运动？

你有一段关于摆钟摆动或弹簧跳动的视频录像（即“时间序列数据”）。你的目标是写出解释其运动方式的精确数学公式。这就是科学家们所称的“方程发现”（Equation Discovery）。

问题所在：嫌疑人太多了

麻烦在于，这就像是试图根据一些线索来猜出一个秘密代码。许多不同的代码（数学方程）都能完美地契合这些线索。如果你只是要求计算机“寻找最佳拟合”，它可能会给你十个在纸面上看起来都正确的方程，但在现实世界中却毫无意义。这就像一名侦探找到了十个符合描述的嫌疑人，让你只能靠猜来确定谁才是真正的罪犯。

解决方案：PyCC.id（“骨架”侦探）

这篇论文介绍了一种名为 PyCC.id 的新软件工具。PyCC.id 并不让计算机从零开始盲目猜测整个方程，而是强迫它在一个**预定义的“骨架”**上进行工作。

把骨架想象成房子的框架。你知道房子需要屋顶、墙壁和地板。你不知道油漆的颜色是什么，也不知道里面会摆放什么家具，但你知道基本结构。

骨架： 在物理学中，这是一个已知的方程族（例如：“这个系统包含一个摩擦部分和一个弹簧部分”）。
血肉： 随后，软件会计算出这些部分的具体细节（例如：“摩擦力有多强？它会随着运动速度加快而增强吗？”）。

通过使用基于你已知物理知识的骨架作为起点，该软件将搜索范围从“全城所有人”缩小到了“仅限居住在这个特定社区的人”。

它是如何工作的：三种工具

PyCC.id 就像一把瑞士军刀，可以使用三种不同的工具来填充骨架中缺失的部分：

神经网络（“黑盒”艺术家）： 它使用一种灵活的学习算法（类似于大脑）来绘制缺失部分的形状。它擅长寻找那些你无法用文字轻易描述的复杂且奇特的形状。
符号回归（“翻译官”）： 一旦艺术家画出了形状，这个工具就会将形状翻译回简单的、可读的数学语言（如 $x^2$ 或 $\sin(x)$ ），以便人类理解。
参数查找器（“计算器”）： 如果你已经知道了形状（例如：“它是一条直线”），这个工具只需计算出使之拟合所需的精确数值（如斜率和截距）。

“假设驱动”的方法

论文强调，你不应该只是让计算机盲目地去猜。你，作为科学家，必须提供一个假设。

示例： 你可能会说：“我认为这个系统具有随速度变化的摩擦力。”
PyCC.id 会接收这个想法，构建一个针对“速度相关摩擦力”的骨架，然后利用数据来填补空白。
如果骨架是错误的，数学运算将无法成立，这样你就知道该尝试另一个假设了。这能防止软件找到那些看起来很完美但物理上完全不可能的“伪解”。

它的特别之处

大多数其他工具试图通过“乱投医”的方式来寻找“最佳”方程。PyCC.id 则不同，因为它：

它是诚实的： 它强迫数学逻辑尊重你已知的物理定律。
它是清晰的： 它将复杂问题分解为简单的、一维的部分（例如，先单独观察摩擦力，再单独观察弹簧），让你能看清到底发生了什么。
它是灵活的： 它可以根据你的需求，使用不同的“引擎”（神经网络、多项式或符号回归）来解决同一个谜题。

简而言之

PyCC.id 是科学家的智能助手。你不是要求它“猜测宇宙的规则”，而是基于你的专业知识给它一份蓝图（骨架），然后它利用真实世界的数据来填补缺失的细节。这确保了最终的答案不仅仅是一个数学技巧，而是一个关于世界运作方式的具有物理意义的解释。

注：本文完全侧重于该软件工具、其数学框架以及从数据中发现方程的能力。它并未讨论任何特定的未来应用、临床用途或医疗结果。

技术摘要：PyCC.id —— 一种基于假设驱动且具有结构可识别性的方程发现软件包

问题陈述

数据驱动的方程发现本质上是一个逆问题，旨在从时间序列测量中推断出控制微分方程。该领域的一个持久挑战是问题的病态性质（ill-conditioned nature），即多个不同的数学模型可以用同样准确度拟合有限的数据集。虽然纯数据驱动的方法通常会产生大量的候选模型，但这些模型在结构形式上往往存在显著差异，导致物理表示不一致。因此，从业者被迫依赖基于领域知识的后验人工过滤，以剔除非物理模型，使得最终的模型选择带有一定的随意性。此外，许多现有方法缺乏结构可识别性（structural identifiability）的保证，导致难以确定提出的方程是否与数据一致，或者是否需要重新构建。

方法论

为了解决这些局限性，本文介绍了 PyCC.id (PyCC)，这是一个基于结构“骨架”（skeletons）和特征曲线（Characteristic Curves, CCs）的假设驱动方法论开源 Python 库。

核心框架

与从头开始搜索方程的“黑盒”方法不同，PyCC 要求从业者根据物理直觉或领域知识定义一个结构骨架。该骨架对常微分方程（ODEs）族进行分类，并将全局动力学分解为一维（1D）单变量函数。

结构可识别性： 该框架利用在相空间中具有可证明结构可识别性属性的骨架。这使得在进行大规模训练之前，能够对假设的结构是否与数据一致进行形式化验证。
假设集成： 用户可以将先验信息（例如物理对称性、约束条件如 $f(0)=0$ 或奇偶性要求）直接注入到骨架定义的函数中。这通过约束搜索空间来确保结构的物理动机，从而减轻结构歧义性。

参数化策略

该库支持三种不同的识别骨架内一维函数 ( $f_i$ ) 的策略，从而根据所需的解释程度和先验知识提供灵活性：

函数法（Functional Approach）： 将一维函数视为未知量，并使用通用逼近器（如神经网络 NN 或符号回归 SymbR）进行近似。
参数法（Parametric Approach）： 函数形式是完全假设的，并由标量参数 $\{a_i\}$ 参数化，通过非线性优化进行求解。
混合法（Hybrid Approach）： 结合上述两者，同时拟合一维函数 $\{f_i\}$ 和标量参数 $\{a_j\}$ 。

软件架构

PyCC 是科学机器学习生态系统中的一个集成框架，利用了 PyTorch 和 PySR（用于符号回归）等成熟工具构建了一个结构化流水线。其核心功能包括：

pycc.simulate()： 一个通用的 ODE 求解器，用于前向系统积分。它支持理论模拟（以生成地面真值数据）以及对发现模型的验证。它兼容多种后端（NN、SymbR、Poly、Interp）。
pycc.train()： 识别系统动力学的主要入口点。它作为一个调度器，根据用户指定的模式将数据路由到相应的模块（NN、SymbR、Poly）。
pycc.post_processing()： 一个旨在将数值型 CC（通过 NN 或 Poly 获得）转换为显式符号表达式的工具。这有助于模型检查、分析以及生成用于后续模拟的优化符号模型。

核心贡献

本文将 PyCC.id 呈现为一个将最新理论进展转化为灵活、用户友好型库的工具。其主要贡献包括：

假设驱动的工作流： 将重点从纯数据驱动的发现转向结构骨架方法，从而确保物理一致性和结构可识别性。
模块化与互操作性： 该库并非要与现有软件包竞争，而是作为一个接口，在统一框架内利用它们的优势（例如 PySR 的符号能力和神经网络的灵活性）。
硬件加速： 原生支持多核 CPU 和 GPU（通过 intel-extension-for-pytorch 支持 NVIDIA CUDA 和 Intel XPU），用于神经网络训练。
物理约束： 能够在训练过程中直接强制执行约束（例如奇偶对称性、特定取值），从而产生更鲁棒的模型。
全面的工具链： 包括内置模拟器、支持多种参数化方法以及详尽的文档（包括 Google Colab 教程）。

结果与说明实例

本文使用一个经典的物理系统展示了 PyCC 的能力：一个受速度相关阻尼和位置相关恢复力控制的二阶微分方程非线性振荡器。

数据生成： 使用理论方程模拟该系统，以生成位置、速度和外力的数据集。
识别过程： 库使用带有神经网络的函数法成功识别了系统动力学。用户定义了一个对应于速度相关摩擦力的骨架（ $F_{ext} = \ddot{x} + f_1(\dot{x}) + f_2(x)$ ），并应用了诸如 $f_2(0)=0$ 和函数奇对称性等约束。
验证： 学习到的函数（ $f_1$ 和 $f_2$ ）被可视化，并显示出与理论本构关系高度吻合。
后处理： 数值结果通过符号回归（PySR）转换为解析表达式，展示了该库从数据驱动近似向可解释符号模型过渡的能力。
模拟： 对识别出的模型进行前向积分，显示出与理论动力学的高度一致性。

重要性

本文将 PyCC.id 定位为解决方程发现病态性质的重要一步。通过将领域知识通过结构骨架的形式化集成，该库提供了一条在算法层面验证或消除假设结构的路径。这减少了对后验人工过滤的依赖，并促进了具有解释性和物理一致性的控制方程的发现。这项工作强调，虽然许多软件包寻求从头开始寻找“最佳”方程，但 PyCC 提供了一个正式的流程，用以验证假设的物理结构是否与观测到的动力学一致，从而增强了科学机器学习应用的可靠性和可解释性。