KANs와 과학의 융합 프레임워크
인공지능(AI)과 과학의 결합은 AI가 연결주의에 기반하는 반면 과학은 상징주의에 의존한다는 본질적인 비호환성으로 인해 중대한 난관에 봉착해 있습니다. 이 연구는 두 세계를 연결하기 위해 콜모고로프-아놀드 네트워크(KANs)와 과학을 매끄럽게 융합하는 프레임워크를 제안합니다. 제안된 프레임워크는 과학적 발견의 세 가지 핵심 측면, 즉 관련 특징 식별, 모듈형 구조 규명, 그리고 상징적 공식 발견에 KANs를 활용하는 데 중점을 둡니다. 이 시너지는 과학적 지식을 KANs에 통합하는 '과학에서 KAN으로'와 KANs에서 과학적 통찰을 추출하는 'KAN에서 과학으로'라는 양방향으로 작동합니다. 특히, 본 연구는 새로운 기능들을 강조합니다. 여기에는 곱셈 노드를 포함하는 MultKAN, 상징적 공식을 KANs로 컴파일하는 KAN 컴파일러인 kanpiler, 그리고 KANs(또는 다른 신경망)를 트리 그래프로 변환하는 트리 컨버터가 포함됩니다. 이러한 도구들을 기반으로, 우리는 KANs가 보존량, 라그랑지안, 대칭성, 그리고 구성 법칙을 포함한 다양한 유형의 물리 법칙을 발견하는 능력을 입증합니다. 이는 AI와 과학 간의 근본적인 간극을 메우고, 과학적 발견 과정을 가속화할 잠재력을 보여줍니다.