符号回归是对自动搜索适合数据的分析表达式的算法研究。虽然深度学习的最新进展重新引起了人们对此类方法的兴趣，但努力并未集中在物理学上，因为数据相关的单元在物理学上存在重要的限制。 本文作者介绍Φ-SO，一种物理符号优化框架，用于通过学习单元约束使用深度强化学习技术从物理数据中恢复分析符号表达式。 Φ-SO是从头开始构建的，旨在提出物理单位在构造上保持一致的解决方案。 这不仅有助于消除物理上不可能的解决方案，而且因为它极大地限制了方程生成器的自由度，从而提高了性能。该算法可用于拟合无噪声数据，这在尝试推导物理模型的分析属性时很有用，也可用于获得噪声数据的分析近似值。

论文标题：Deep symbolic regression for physics guided by units constraints: toward the automated discovery of physical laws

作者：Wassim Tenachi, Rodrigo Ibata, and Foivos I. Diakogiannis