近两年 PINNs 的热度飙升，相信很多小伙伴或多或少刷到过PINNs登上xxx顶会顶刊的信息，但是机器学习深度学习在物理学领域的研究并不是只有PINNs。
最近我在网上看到一本介绍如何用 机器学习深度学习促进科学发现的教程书。
科学发现中的人工智能：
利用深度学习从实验数据中提炼物理概念
作者毕业于欧陆第一名校苏黎世理工，获得了量子计算机博士学位，并且他的研究在2019年被Nature Reviews Physics（影响因子44.8）评为研究亮点。
非常适合有物理背景的研究者、学生探索如何用AI解决物理建模中的实际问题。
PDF我已经帮大家下载好了，大家可以任意添加一位小助手获取。
这本书阐述了利用机器学习深度学习发现物理概念的最新方法，特别是如何从实验数据中提取物理概念，这为自动化科学研究开辟了新路径。
并且作者是在默认大家不懂机器学习深度学习技术的情况下写的这本书，所以这本书会包含机器学习深度学习的基础知识。（大家不用怕看不懂）
这本书的重点在于模型创建过程中一个重要步骤的自动化，即寻找包含足够信息以预测所考虑系统的最小自然参数集。
该方法的基本思路是利用深度学习架构SciNet，对物理学家推理过程的简化版本进行建模。
SciNet能够从实验数据中找出相关的物理参数（如粒子的质量），并基于这些参数进行预测。
作者展示了如何从这些参数中提取概念性信息，例如哥白尼得出太阳系以太阳为中心的结论。
并且这本书用多个经典物理问题为例（如阻尼摆、非线性摆、量子态表示），通过深度学习方法挖掘物理规律，提供了理论与实践相结合的内容。
总的来说，这本书为希望将深度学习应用于科学发现的研究者提供了入门到进阶的完整视角，是一本跨学科的参考书。
它不仅适合用于科研指导，还能为物理学研究带来AI赋能的新思路。
大家觉得这篇文章有帮助的话记得分享给你的死党、闺蜜、同学、朋友、老师、敌蜜！
