研究解读
Advanced Science
Unsupervised Hierarchical Symbolic Regression for Interpretable Property Modeling in Complex Multi-Variable Systems
一种分层符号学习框架，将复杂的多变量关系转化为紧凑且具化学可解释性的方程。
01 / 研究问题
研究问题
灵活的预测模型能够捕捉复杂化学关系，但往往难以说明哪些变量及其组合真正驱动预测。
02 / 研究方法
研究方法
该框架以分层方式构建符号关系，先将变量组合成中间表达式，再进一步形成紧凑的显式方程。
03 / 研究意义
研究意义
显式方程能够被检查、质疑并与化学推理联系起来，可同时支持预测与科学假设形成。
04 / 发表信息
发表信息
- 作者
- Siyu Lou†, Chengchun Liu†, Dongxiao Zhang, Yuntian Chen, and Fanyang Mo
- 期刊
- Advanced Science
- 年份
BibTeX
@article{lou2026uhsr,
title = {Unsupervised Hierarchical Symbolic Regression for Interpretable Property Modeling in Complex Multi-Variable Systems},
author = {Siyu Lou and Chengchun Liu and Dongxiao Zhang and Yuntian Chen and Fanyang Mo},
journal = {Advanced Science},
year = {2026},
date = {2026-01-07},
volume = {13},
number = {19},
eid = {e21200},
doi = {10.1002/advs.202521200},
url = {https://doi.org/10.1002/advs.202521200}
}