近期，中国人民大学高瓴人工智能学院孙浩教授团队在Nature子刊《自然-计算科学》（Nature Computational Science）发表了题为“Discovering physical laws with parallel symbolic enumeration”的研究论文，论文被该期刊选为2026年首期封面文章（Volume 6，Issue 1）。

该期刊评论：“从数据中发现数学表达式是一项重要任务，它能帮助人们从科学和工程角度深入理解所研究现象的内在机制。然而，在处理有限数据时，该方法面临着一个关键挑战：难以在精度与计算效率之间取得平衡。在本期研究中，孙浩及其团队提出了并行符号枚举方法（PSE）。该方法通过避免冗余计算，并利用基于图形处理单元的并行搜索，在实现较高符号恢复率的同时，取得了相较于现有方法的显著性能提升。”

研究团队在超过200个涵盖合成基准和真实物理实验（如混沌动力系统、机电定位系统、湍流摩擦定律）的符号回归问题集上系统验证了PSE的性能。实验结果表明，与当前国际主流算法相比，PSE在符号恢复准确率上最高可提升99%，同时计算速度快一个数量级以上，展现了优越的准确性、效率和可扩展性。该工作为数据驱动科学发现提供了一个高效、可扩展的计算框架，为自动化探索物理规律开辟了新路径，有望加速物理、材料、天文和生物等多个交叉学科领域的科学探索进程。

该研究工作得到了国家自然科学基金项目、北京市自然科学基金、中国人民大学科研基金等资助。

《自然-计算科学》（Nature Computational Science）是“施普林格·自然”出版的国际顶尖跨学科学术期刊，最新影响因子18.3。该刊旨在推动计算技术与数学模型在多学科领域的创新应用，涵盖从生物信息学、材料科学到计算社会科学的前沿研究，致力于发表能促进科学发现和解决实际挑战的高质量算法、工具与方法学成果。

论文：K. Ruan (阮恺), Y. Xu (徐一龙), Z.-F. Gao (高泽峰), Y. Liu (刘扬), Y.K. Guo (郭毅可), J.-R. Wen (文继荣), H. Sun (孙浩). Discovering physical laws with parallel symbolic enumeration. Nature Computational Science, 2026, 6(1): 53-66.

孙浩，高瓴人工智能学院副院长、长聘教授，国家高层次青年人才，美国哥伦比亚大学博士、麻省理工学院博士后，福布斯北美“30 位 30 岁以下精英榜 ( 科学类 )”、美国十大华人杰出青年、中国智能科学计算科技创新人物。

研究方向：AI4Science、智能科学计算、物理启发机器学习、物理空间智能。围绕知识嵌入和知识发现需求，发展新型可通用、可解释、可泛化、误差可控、低数据依赖性的智能科学计算理论和方法，推动跨学科场景应用。

原文链接：Discovering physical laws with parallel symbolic enumeration