用物理原理模拟数据训练神经网络，让科学发现更靠谱

科学研究建模长期面临一个两难困境：基于物理或生物机制的理论模型容易理解、符合常识，但预测精度往往不高；而纯靠数据驱动的机器学习模型预测能力强，却难以解释其内部逻辑，成了‘黑箱’。现有混合方法尝试把专业知识嵌入机器学习，比如通过数学公式施加硬性约束，但当真实规律尚未完全清楚或公式写得不准确时，这类硬约束反而会误导模型，降低学习效果。本文提出‘仿真驱动型神经网络’（SGNNs）——它不强行套用公式，而是把机制模型产生的大量模拟数据（涵盖不同结构假设和真实观测噪声）作为‘教材’，预先训练神经网络。这样，网络能自主学到系统内在的动态规律，形成一种‘结构先验’。研究团队在流行病学（如新冠死亡率预测）、生态学（高维种群动态）、社会科学和化学等多个领域验证了该方法：SGNNs不仅显著超越传统纯数据模型，也优于现有物理约束混合模型；例如，在美国CDC新冠死亡预测任务中，其预测能力接近普通CDC模型的三倍；即使训练所用的模拟数据基于错误假设，SGNNs仍保持良好性能，体现出对模型误设的强鲁棒性。此外，该框架还创新性地引入‘回溯仿真归因’技术——当分析真实世界数据时，自动在海量模拟数据中找到最相似的案例，从而用已知机制来解释现实现象，实现可理解的科学推断。简言之，这项工作证明：多样、逼真的科学仿真本身，就是训练智能模型进行可靠科学发现的优质‘数据资源’。