理論引導的數據科學：一種用於科學發現的新範式

儘管數據科學模型已經在很多商業領域取得了成功，但在涉及複雜物理現象的科學問題上的應用還很有限。理論引導的數據科學（TGDS/theory-guided data science）是一種新興的範式，其目標是利用豐富的科學知識來提升數據科學模型在驅動科學發現上的有效性。TGDS 的整體設想是引入科學一致性，並將其作為一種用於學習可泛化模型的關鍵組分。此外，通過產生可通過科學解讀的模型，TGDS 的目標是通過發現全新的領域見解來提升我們的科學認識。實際上，TGDS 的範式已經開始在一些科學學科迎來了發展勢頭，比如：湍流建模、材料發現、量子化學、生物醫學、生物標誌物的發現、氣候和水文科學。在這篇論文中，我們正式定義了 TGDS 的概念和 TGDS 的一個研究主題分類。我們通過來自不同學科的闡釋性案例描述了幾種用於整合不同研究主題中領域知識的方法。我們還強調了一些用於實現理論引導的數據科學的全部潛力的有潛力的全新研究途徑。

圖 1：科學應用中知識發現方法的表示。x 軸表示數據的使用，y 軸表示科學知識的使用。理論引導的數據科學探索了知識發現空間，其可以充分利用可用的數據，同時也能嚴格遵守基本的科學知識。

論文地址：Theory-guided Data Science: A New Paradigm for Scientific Discovery