Framework Hybrid-to-NeSy Collega Modelli Meccanicistici e IA Neuro-Simbolica
Il framework Hybrid-to-NeSy (H2N) offre un metodo per convertire modelli ibridi meccanicistici e basati sui dati in sistemi di intelligenza artificiale neuro-simbolica (NeSy). Questa strategia reinterpreta i tipici framework di modellazione ibrida come istanze specifiche di un'interfaccia NeSy, dove le intuizioni meccanicistiche sono allineate con la componente linguistica, gli elementi appresi corrispondono all'aspetto della credenza, e i domini di validità insieme ai vincoli sono situati nel segmento logico. H2N produce una funzione di inferenza NeSy definita e una scomposizione di logica e credenza, portando allo sviluppo di due metriche. Questa ricerca affronta le sfide di un'interfaccia semantica limitata per confrontare modelli ibridi in vari campi e la trascuratezza dell'incertezza epistemica nelle parti meccanicistiche. L'articolo, pubblicato su arXiv con ID 2607.22811, descrive la logica e la metodologia alla base di questa traduzione, con l'obiettivo di collegare l'ingegneria di processo e l'apprendimento automatico scientifico con l'IA.
Fatti principali
- Il framework Hybrid-to-NeSy (H2N) traduce modelli ibridi meccanicistici/basati sui dati in IA neuro-simbolica.
- I modelli ibridi combinano principi primi con componenti apprese.
- I progetti comuni di modellazione ibrida sono specificati attraverso architetture e funzioni di perdita di addestramento.
- H2N colloca la conoscenza meccanicistica sul lato linguistico, i moduli appresi sul lato della credenza, e i domini di validità con vincoli sul lato logico.
- H2N produce un funzionale di inferenza NeSy esplicito e una scomposizione logica-credenza.
- Dalla scomposizione derivano due metriche.
- L'articolo è pubblicato su arXiv con ID 2607.22811.
- Il lavoro collega l'ingegneria di processo e l'apprendimento automatico scientifico con l'IA.
Entità
Istituzioni
- arXiv