用神经ODE与符号回归从290条冰晶质量时间序列中反演出冰晶增长方程,并在AIDA云室独立数据上复现了早期增长
该研究用神经常微分方程(NODE)在290条悬浮扩散云室中生长的冰晶质量比时间序列上同时优化,学习沉积冰增长模型中未知的传递系数G的函数形式,再用符号回归(PySR)导出闭式表达式,发现弱约束NODE模型在290个实验中138个表现最佳(MSE损失16495,优于无表面动力学模型的41396和Nelson and Baker 1996的40751),并给出含冰晶质量m附加项的公式G = a0·Gca1·[a2 + a3/m]^-1 + a4,该式在AIDA气溶胶与云室独立实验中对冰面过饱和度和冰水含量的预测优于电容增长模型与Nelson and Baker 1996模型。