北航孙志梅IM综述：可解释符号回归探索材料数据背后的数学表达式

本文由北京航空航天大学孙志梅团队撰写，综述了符号回归（SR）方法在材料科学中的应用和发展。符号回归是一种可解释的机器学习方法，旨在从海量数据中探索数学表达式，以构建具有物理和化学解释性的模型。文章首先介绍了符号回归的背景，强调了在数据驱动研发模式下，材料领域对可解释模型的需求。接着，详细阐述了符号回归的基础理论、训练流程、现有方法和代码，以及在材料学中的应用案例。最后，文章展望了符号回归在材料设计和研究中的未来机遇和挑战，包括GPU加速、迁移学习、模型复杂度与预测精度的权衡等问题。