可解释机器学习与物理规律融合的热物性显式预测方法——以气相声速为例

来源：计量学报杂志2025年第4期北京时间：

作者：彭夏尧, 杨震, 段远源

摘要：提出了一种热物理规律指导的人工智能探索方法，利用计算机代替执行规律探索和公式提出过程。以基础热物性参数气相声速为例，针对截断维里方程在气相高压区的固有局限性，使用符号回归对表征多分子作用的众多高阶维里系数项进行总结归纳，形成了通用性的显式预测模型。模型预测28种物质的气相声速的均方根相对偏差仅为0.29%，且在近临界压力处的预测偏差显著低于现有的模型。研究结果有望形成一种新的热物性预测模型探索方法，也是对机器学习黑箱模型进行物理意义解释的一个尝试。

关键词：热物性计量,气相声速,声学维里方程,数据驱动,可解释机器学习,符号回归

基金资助：国家自然科学基金(U21B2056)