Физика: Механистическая интерпретируемость с автоматическими кодерами Sparse
arXiv: 2609.07061v1 Annuate Type: New Humber: Fischical- Informed Neural Networks (PINNS) встроил остатки PDE в обучение нейронной сети, но их внутренние представления остаются непрозрачными: неизвестно, какие физические особенности имеют кодирование их скрытых слоев или имеют ли эти характеристики локальную причинно-следственную роль. Мы представляем PhysSAE, механистическая система интерпретируемости, которая тренирует чрезмерно заполненные малочастотные авто кодеры (SAES) на активации предпоследнего слоя PINN и оценивает словарь атомы посредством прямого когнитивного вмешательства в первоначально замороженном состоянии: $h_ {\mathrm {cf} = h - lalpha z_k d_ k$, полностью обходя декодер SAE. В шести семьях PDE, с тремя семенами PINN и по 3 семенами SAE каждый -- мы продемонстрировали, что i) наши обнаруженные атомы SAЕ соответствуют самостоятельно определенным физическим наблюдениям (максимум Pearson unrо=0,951 долл. США, всегда $/ gg permutation null), ii) причинно-следственный след абляции высокоустойчивых атомов составляет 1,2-4,2 долл.
