北大AI-Newton系统突破性登《自然》：无先验知识自主发现牛顿定律

北京大学研究团队近日在《自然》杂志发表突破性研究成果，其开发的AI-Newton系统在无先验知识条件下，成功从原始实验数据中自主推导出牛顿第二定律、万有引力定律等基础物理规律。该系统采用符号回归（SR）技术，通过构建由符号化概念与普适定律构成的知识库，实现了对物理定律的”顿悟式”发现。

技术核心上，AI-Newton区别于传统神经网络的”黑箱”模式，采用基于大模型的SR方法进行数学方程搜索。系统通过物理领域专用语言（DSL）表示知识，在输入46种含噪声的模拟物理场景数据后，逐步建立”速度”“力”等中间概念，最终组合出F=ma等精确表达式。测试显示，系统平均能识别90个物理概念和50条一般定律，准确率达传统方法的3倍以上。

这一突破标志着AI驱动科研的新范式。团队负责人马滟青指出，系统展现出渐进性与多样性两大特性：既能通过蒙特卡洛树搜索模块保证公式的数学严谨性，又能利用跨学科知识生成物理意义合理的表达式。目前该技术已扩展至量子力学领域研究，其框架天然支持自然语言集成，未来有望实现更灵活的知识表示。

尽管当前实验数据仍以模拟为主，但《自然》杂志评价称，这项研究为AI自主发现未知物理规律提供了可行路径。哈佛大学学者Keyon Vafa认为，这种”概念驱动”的发现模式，或将重塑人类探索自然定律的基本方式。