Buchumschlag

Discovery of Interpretable Physical Laws in Materials via Language-Model-Guided Symbolic Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guan, Yifeng, Liu, Chuyi, Zhou, Dongzhan, Bai, Lei, Yin, Wan-jian, Li, Jingyuan, Su, Mao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computational Physics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Coarse-Grained Dynamics with Spatial Disorder and Non-Markovian Memory
von: Liu, Chuyi, et al.
Veröffentlicht: (2026)

Engineering-Oriented Symbolic Regression: LLMs as Physics Agents for Discovery of Simulation-Ready Constitutive Laws
von: Wu, Yue, et al.
Veröffentlicht: (2026)

Neural Network-Guided Symbolic Regression for Interpretable Descriptor Discovery in Perovskite Catalysts
von: Xian, Yeming, et al.
Veröffentlicht: (2025)

Interpretable Scientific Discovery with Symbolic Regression: A Review
von: Makke, Nour, et al.
Veröffentlicht: (2022)

Materials-Discovery Workflows Guided by Symbolic Regression: Identifying Acid-Stable Oxides for Electrocatalysis
von: Nair, Akhil S., et al.
Veröffentlicht: (2024)

Constraint-Guided Symbolic Regression for Data-Efficient Kinetic Model Discovery
von: Servia, Miguel Ángel de Carvalho, et al.
Veröffentlicht: (2025)

Prior-Guided Symbolic Regression: Towards Scientific Consistency in Equation Discovery
von: Xiao, Jing, et al.
Veröffentlicht: (2026)

Physically Interpretable Interatomic Potentials via Symbolic Regression and Reinforcement Learning
von: Varughese, Bilvin, et al.
Veröffentlicht: (2025)

In-Context Symbolic Regression: Leveraging Large Language Models for Function Discovery
von: Merler, Matteo, et al.
Veröffentlicht: (2024)

SyMANTIC: An Efficient Symbolic Regression Method for Interpretable and Parsimonious Model Discovery in Science and Beyond
von: Muthyala, Madhav R., et al.
Veröffentlicht: (2025)

Interpretable Robotic Friction Learning via Symbolic Regression
von: Scholl, Philipp, et al.
Veröffentlicht: (2025)

Towards Scaling Laws for Symbolic Regression
von: Otte, David, et al.
Veröffentlicht: (2025)

METASYMBO: Multi-Agent Language-Guided Metamaterial Discovery via Symbolic Latent Evolution
von: Chen, Jianpeng, et al.
Veröffentlicht: (2026)

Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback
von: Saveliev, Evgeny S., et al.
Veröffentlicht: (2026)

Data-Efficient Symbolic Regression via Foundation Model Distillation
von: Ying, Wangyang, et al.
Veröffentlicht: (2025)

An Agentic Framework for Autonomous Materials Computation
von: Xia, Zeyu, et al.
Veröffentlicht: (2025)

A Transformer Model for Symbolic Regression towards Scientific Discovery
von: Lalande, Florian, et al.
Veröffentlicht: (2023)

ChemMLLM: Chemical Multimodal Large Language Model
von: Tan, Qian, et al.
Veröffentlicht: (2025)

Inferring Interpretable Models of Fragmentation Functions using Symbolic Regression
von: Makke, Nour, et al.
Veröffentlicht: (2025)

Learning Interpretable Network Dynamics via Universal Neural Symbolic Regression
von: Hu, Jiao, et al.
Veröffentlicht: (2024)

Iterative Pretraining Framework for Interatomic Potentials
von: Cui, Taoyong, et al.
Veröffentlicht: (2025)

Deliberate Planning in Language Models with Symbolic Representation
von: Xiong, Siheng, et al.
Veröffentlicht: (2025)

DARWIN 1.5: Large Language Models as Materials Science Adapted Learners
von: Xie, Tong, et al.
Veröffentlicht: (2024)

Automated Data-Driven Discovery of Material Models Based on Symbolic Regression: A Case Study on Human Brain Cortex
von: Hou, Jixin, et al.
Veröffentlicht: (2024)

Rethinking Symbolic Regression Datasets and Benchmarks for Scientific Discovery
von: Matsubara, Yoshitomo, et al.
Veröffentlicht: (2022)

Expressive Symbolic Regression for Interpretable Models of Discrete-Time Dynamical Systems
von: Iyer, Adarsh, et al.
Veröffentlicht: (2024)

ProtSAE: Disentangling and Interpreting Protein Language Models via Semantically-Guided Sparse Autoencoders
von: Liu, Xiangyu, et al.
Veröffentlicht: (2025)

Unsupervised Hierarchical Symbolic Regression for Interpretable Property Modeling in Complex Multi‐Variable Systems
von: Siyu Lou, et al.
Veröffentlicht: (2026)

Symbolic Regression for Beyond the Standard Model Physics
von: AbdusSalam, Shehu, et al.
Veröffentlicht: (2024)

$Δ$-AttnMask: Attention-Guided Masked Hidden States for Efficient Data Selection and Augmentation
von: Hu, Jucheng, et al.
Veröffentlicht: (2025)

Symbolic Quantile Regression for the Interpretable Prediction of Conditional Quantiles
von: Hoekstra, Cas Oude, et al.
Veröffentlicht: (2025)

Material Hardness Descriptor Derived by Symbolic Regression
von: Tantardini, Christian, et al.
Veröffentlicht: (2023)

T-SHRED: Symbolic Regression for Regularization and Model Discovery with Transformer Shallow Recurrent Decoders
von: Yermakov, Alexey, et al.
Veröffentlicht: (2025)

Language Models for Materials Discovery and Sustainability: Progress, Challenges, and Opportunities
von: Pei, Zongrui, et al.
Veröffentlicht: (2025)

Interpretable Relational Inference with LLM-Guided Symbolic Dynamics Modeling
von: Liang, Xiaoxiao, et al.
Veröffentlicht: (2026)

Single-Agent Scaling Fails Multi-Agent Intelligence: Towards Foundation Models with Native Multi-Agent Intelligence
von: Hu, Shuyue, et al.
Veröffentlicht: (2025)

SatelliteFormula: Multi-Modal Symbolic Regression from Remote Sensing Imagery for Physics Discovery
von: Yu, Zhenyu, et al.
Veröffentlicht: (2025)

InfoLaw: Information Scaling Laws for Large Language Models with Quality-Weighted Mixture Data and Repetition
von: Liu, Fengze, et al.
Veröffentlicht: (2026)

Interpretable Non-linear Survival Analysis with Evolutionary Symbolic Regression
von: Rovito, Luigi, et al.
Veröffentlicht: (2025)

Sparse Interpretable Deep Learning with LIES Networks for Symbolic Regression
von: Montazerin, Mansooreh, et al.
Veröffentlicht: (2025)