研究人员开发了一种自演化的科学智能体，能够发现和优化物理系统的控制策略。该智能体利用大型语言模型和迭代代码生成来自动化控制器构建，同时保持可解释性和物理推理能力。它在一个流体-结构耦合问题上进行了演示，自主开发了一个狗鱼游泳器的通用控制策略，无需重新训练即可到达不同目标。 AI
影响 展示了AI在复杂物理系统中进行自主科学发现和生成控制策略的潜力。
排序理由 该集群包含一篇详细介绍新颖AI科学发现方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.08405v1 Announce Type: new Abstract: While data-intensive deep reinforcement learning can optimize complex control policies, scientific discovery in physical systems fundamentally requires an interpretable chain of reasoning that connects physical evidence to structure…
While data-intensive deep reinforcement learning can optimize complex control policies, scientific discovery in physical systems fundamentally requires an interpretable chain of reasoning that connects physical evidence to structured control architectures. Here, we present a self…