synpat-dataset
收藏资源简介：
SynPAT数据集是一个用于符号回归和科学发现算法基准测试的合成物理理论和数据生成系统。它包含了多个配置的符号物理系统，每个系统由符号方程、维数一致的变量和常数、代数结果以及清洁和带噪声的数据集组成。数据集按配置和系统索引进行组织，每个配置包含三个系统实例，总共覆盖36个配置和108个系统。
The SynPAT dataset is a synthetic physics theory and data generation system designed for benchmarking symbolic regression and scientific discovery algorithms. It contains multiple configured symbolic physics systems, each composed of symbolic equations, dimensionally consistent variables and constants, algebraic results, as well as clean and noisy datasets. The dataset is organized by configuration and system index, with each configuration containing three system instances, covering a total of 36 configurations and 108 systems.
SynPAT数据集概述
数据集基本信息
- 名称: SynPAT (Synthetic Physical Theories with Data)
- 用途: 为符号回归和科学发现算法提供基准测试
- 标签: synthetic-data, physics, symbolic-regression, scientific-discovery, physical-theories
- 许可证: MIT
数据集结构
目录结构
dataset/{config}/System_{n}/
{config}格式:vars_{v}_derivs_{d}_eqns_{e}v∈ {6,7,8,9} (符号变量数量)d∈ {2,3,4} (导数数量)e∈ {4,5,6} (方程数量)
n∈ {1,2,3} (系统实例索引)
文件组成
每个System_{n}包含17个文件：
- 基础文件 (2个)
system.txt: 基础符号系统(含变量、常量、导数、方程和单位)consequence.txt: 派生结果方程(含额外元数据)
- 无噪声数据 (2个)
system.dat: 系统数值数据consequence.dat: 结果多项式数据
- 含噪声数据 (8个)
system_ε.dat和consequence_ε.dat(ε ∈ {0.001,0.01,0.05,0.1})
- 替换系统 (5个)
replacement_1.txt至replacement_5.txt
规模统计
- 36种配置组合
- 108个系统实例
- 1836个文件
文件格式示例
system.txt
包含：
- 变量列表
- 常量列表
- 导数列表
- 方程组
- 各单位量纲
consequence.txt
额外包含：
- 测量变量
- 观测常量
- 测量导数
- 目标多项式
replacement_i.txt
格式同system.txt，但替换了一个公理
数据文件(.dat)
- 首行为变量顺序标题
- 每行代表一个数据点
- 噪声版本添加高斯噪声
作者信息
- Karan Srivastava (威斯康星大学麦迪逊分校)
- Jonathan Lenchner (IBM T.J. Watson研究中心)
- Joao Goncalves (IBM T.J. Watson研究中心)
- Lior Horesh (IBM T.J. Watson研究中心)
相关资源
- GitHub项目: https://github.com/jlenchner/theorizer
