Вариационный автоэнкодер для восстановления физических закономерностей

Ученые часто сталкиваются с задачей изучения поведения ранее неизвестной среды. В процессе исследования проводится большое количество экспериментов, измеряющих зависимость одних ее параметров от других, а решение представляет собой математическое выражение (закон), связывающее целевое значение с параметрами среды. В данной работе мы пытаемся автоматизировать исследовательский процесс. Первая задача, которую мы перед собой ставим, - нахождение математической формулы, аппроксимирующей данный набор данных. Для ее решения уже были предложены различные методы, но каждый из них имеет свои недостатки. Вследствие этого мы предлагаем новый алгоритм, основанный на вариационном автокодировщике. Мы проводим различные эксперименты, используя предлагаемый подход, и показываем, что на ряде задач он работает лучше популярного метода, в основе которого лежит генетический алгоритм. Помимо этого, мы ставим перед собой задачу оптимизации эксперимента, а именно мы предлагаем способ выбора новых данных, которые стоит добавить в исходный датасет для ускорения процесса исследования. Насколько нам известно, несмотря на то, что эта задача очень важна, поскольку правильно подобранный набор данных может сохранить много усилий и времени, особенно, когда эксперименты ресурсозатратны и требуют сложных установок, это направление ранее не было изучено. Проведенные в данной работе эксперименты доказывают работоспособность предложенного метода.