科技日报北京5月5日电（记者张佳欣）偏微分方程反问题被认为是数学中最具挑战性的问题之一。美国宾夕法尼亚年夜学工程学院研究团队提出一种使用人工智能（AI）求解偏微分方程反问题的新要领，为破解这一持久困扰数学与科学计较范畴的难题提供了新思绪。相干结果发表在新一期《呆板进修研究汇刊》杂志。

从素质上看，微分方程是描写变化的数学东西，可用在描画人口增加、热量扩散或者化学反映随时间的演化。偏微分方程可处置惩罚更繁杂的体系，能同时描写变量于空间及时间上的变化，例如气候体系的蜕变、质料中的热传导，以和DNA于细胞中的构造方式。

而偏微分方程反问题则更进一步。它再也不是按照已经知法则猜测体系怎样演化，而是从已经不雅测到的成果出发，反推生产生这些成果的隐蔽参数、作使劲或者动力学机制。

研究团队将这一历程形象比方为“看着水池里的涟漪，反推石子落点”。但于现实计较中，这种问题对于不变性及算力要求极高，特别是于触及高阶导数及噪声数据时，传统要领往往难以统筹精度与效率。

为此，团队没有纯真依靠增长算力，而是从数学要领入手，引入源在20世纪40年月“光滑子”观点的“光滑子层”。这一要领经由过程于神经收集中先对于数据举行光滑处置惩罚，再举行求导计较，从而防止了传统的“递归主动微分”要领于屡次求导历程中不停放年夜噪声的问题。

研究注解，该要领于晋升求解不变性的同时，还有降低了计较成本。以染色质研究为例，这种布局标准仅约100纳米，是DNA于细胞核中的折叠形态，其是否“开放”直接决议基因可否被拜候及表达，进而影响细胞功效、朽迈和疾病历程。借助“光滑子层”，团队反推出驱动这些布局变化的表不雅遗传反映速度，即调控基因活性的化学变化速率，使研究从对于布局的静态不雅测，进一步走向对于动态演化机制的描画。

“光滑子层”的潜力其实不限在生物学。质料科学、流体力学等多个呆板进修范畴，一样面对高阶方程与噪声数据的挑战，这一框架有望提供更不变高效的参数反演要领。