EvoSim：自演化 AI 科学家实现物理建模
原文标题：EvoSim: Learning to Model, Modeling to Learn
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 EvoSim 自演化 AI 科学家，利用实验差异驱动机制与方程修订，并用留出实验数据检验物理合理性。在两项工业电池建模任务中，其锂金属析出预测平均绝对误差为 1.79%，动态电压预测 RMSE 为 7.62 mV，超越人类专家模型，自演化使模型与物理误差较基线降低约 36%。
- 问题
- 现有 AI 系统难以自主决定物理模型的结构，如机制选择、状态与方程定义。
- 方法
- 用实验差异驱动机制与方程修订，以留出实验数据检验物理合理性，并让知识、技能与多智能体编排共同演化。
- 结果
- 锂金属析出预测平均绝对误差 1.79%，动态电压预测 RMSE 7.62 mV，自演化使模型与物理误差较基线降约 36%。
- 影响
- 把实验观测自动转成可验证的物理模型，电池等工业建模场景可减少对人工专家建模的依赖。
深读 · 结论先行AI 生成展开看要点与影响 ↓
EvoSim自演化AI科学家在电池建模中锂析出预测MAE 1.79%，自演化使误差较基线降约36%。
- •EvoSim用实验差异驱动机制与方程修订，用留出实验数据检验物理合理性
- •探索轨迹更新知识、技能与多智能体编排，实现模型与能力的共同演化
- •锂金属析出起始预测覆盖25-45摄氏度、2C至6C，荷电状态平均绝对误差1.79%
- •车辆行驶工况下动态电压预测RMSE为7.62 mV，超过人类专家模型报告精度，自演化使模型与物理误差较基线降约36%
为什么重要：若AI能自主选择物理过程与方程结构，科学建模的迭代速度可能不再受限于人工假设提出。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。