解释得很清楚，不愧是大神。
【 在 molar 的大作中提到: 】
: 在物理学里面，“做解析”的意思是说：从第一性原理或者唯像假设出发，按步推导出目标变量与即有变量之间的具体定量关系公式来。
: 目前用于物理科研的机器学习，不是朝着这个路子去的。如果有两种变量之间的实验数据，通过深度算法得到的描述他们之间关系的函数/模型，很难说是“解析式”，也不易用于下一步的解析推到工作。
: 要想用这类算法搞解析研究，还需要机器学习理论有一个进一步的飞跃，目前还不成。盲猜一下的话，突破也可能来自数学那边儿的机器证明，也可能来自某种NLP技术。。。
: ...................
--
FROM 136.56.15.*

现在来说，他们的工作，在物理里，并不基础……



【 在 tongchen 的大作中提到: 】
: 因为基础，所以更加高级。
: 谁说码农写程序不是运用的面向对象语言c++
--
FROM 111.201.70.*

突破三体人的封锁靠AI了……

这不是前一阵子，刚有人用机器学习找到了三体系统的一堆周期解呢么。


【 在 bingfengtmc 的大作中提到: 】
: 人类的基础科学已经被三体锁死，没进步了
:
--
FROM 111.201.70.*

对啊。机器学习目前擅长的也不是逻辑推理啊。

“算力爆表的话，一些混沌非线性系统都能解出来”
这句话的意思，如果是说数值的解出这个非线性系统的一条轨道的话，那一般也不用“算力爆表”。包括经典三体系统在内的常见的非线性系统，数值的算出几条轨道并不是啥难事。

在应用层面，经典三体问题，之所以构成一个“疑难”，关键在于其初值敏感性。在实践中，对于初条件的测量，不可能无限精确，但是，非线性系统的初值敏感性决定了，只要有一点儿误差，之后的实际轨道跟理论计算轨道就会有较大差别。这使得对其轨道的预测将有很大不确定性（与之对照的，是比如预测太阳系行星对到，这种二体问题中，预测精度可以用来对表。。。）。

当然，经典三体问题，更多的是在理论层面，作为一个典型的不可积系统而存在的。。。


【 在 Crusade 的大作中提到: 】
: 三体系统本质不是逻辑推理问题，是计算问题吧。
: 算力爆表的话，一些混沌非线性系统都能解出来。
:
--
FROM 111.201.70.*

不是前一阵子，已经好久了
  
【 在 molar (molar，嗯。molar，哦？molar，噢！) 的大作中提到: 】
:  突破三体人的封锁靠AI了……
:  
:  这不是前一阵子，刚有人用机器学习找到了三体系统的一堆周期解呢么。
:  
--
FROM 111.197.241.*