近日，克拉克森大学研究团队成功开发出一款名为KANDy的人工智能模型。该工具能够直接从观测数据中逆向推导出支配复杂混沌系统的底层数学方程，为非线性动力学研究提供全新路径。传统AI模型多侧重预测，却受限于黑箱特性。KANDy基于柯尔莫哥洛夫阿诺德网络架构优化，专为破解高噪声、强非线性及不可预测系统的建模难题而生。输入系统数据后，模型即可自动识别并输出支配方程，实现预测能力与物理机理阐释的统一。该研究由埃里克博尔特领衔，凯文斯洛特与杰雷米费什参与，成果已发布至arXiv平台。实验显示，KANDy在离散与连续动力学系统、混沌偏微分方程求解中表现优异，甚至成功还原了霍普夫纤维化拓扑结构。该框架突破了传统方程发现方法的局限，为科研与工程人员从数据中提取物理规律提供了高效工具。目前，软件代码已开源至GitHub平台供测试应用。