クラスキン大学の研究チームは、複雑系やカオス現象を支配する数式をデータから直接抽出する人工知能ツール「KANDy（Kolmogorov-Arnold Networks for Dynamics）」を開発した。従来のAIモデルは予測精度は高いもののその意思決定過程が不明確な「ブラックボックス」化しがちであるが、本ツールは現象の背後にある数学的支配法則そのものを可解釈な形で同定する点に特徴がある。研究を主導したエリック・ボールト教授らを筆頭にケビン・スロー特任研究員、ジェレミー・フィッシュ准教授らが中心となり、コルモゴロフ・アルノルドネットワーク（KAN）を動態系解析用に最適化。ノイズや強い非線形性を含む環境でも既存の方程式発見手法では困難だった微分方程式や差分方程式を高精度で再現することに成功した。実証では離散・連続動態系やカオス偏微分方程式の処理に加え、数学的なトポロジー構造であるホップファイブレーションの構造復元も達成した。研究成果はarXivにプレプリントとして公開され、GitHubにてインストール手順とコードが公開されている。KANDyはデータ駆動型モデル化における非線形動態系の解析に新たな基盤を提供し、工学・自然科学諸分野での現象解明と予測精度向上に貢献が期待されている。