Part IV
物理约束与智能方法融合
8 智能启发式搜索与算法优化
8.1 算法设计作为搜索问题
8.2 LLM驱动的自动启发式设计
8.3 Evo-MCTS与可解释算法发现
8.4 引力波探测中的MLGWSC-1基准验证
8.5 可解释算法路径与领域知识集成
8.6 算法发现的可重复性与基准测试规范
8.7 本章小结
9 物理驱动与数据驱动的协同推断
9.1 融合动机：互补缺陷与协同需求
9.2 物理先验嵌入：结构设计与采样策略
9.3 混合推断：精确协同而非近似替代
9.4 可解释性作为融合的验证工具
9.5 融合方法的前景与挑战
9.6 物理信息神经网络在引力波中的应用前景
9.7 本章小结
8.1 算法设计作为搜索问题
8.2 LLM驱动的自动启发式设计
8.3 Evo-MCTS与可解释算法发现
8.4 引力波探测中的MLGWSC-1基准验证
8.5 可解释算法路径与领域知识集成
8.6 算法发现的可重复性与基准测试规范
8.7 本章小结
9 物理驱动与数据驱动的协同推断
9.1 融合动机：互补缺陷与协同需求
9.2 物理先验嵌入：结构设计与采样策略
9.3 混合推断：精确协同而非近似替代
9.4 可解释性作为融合的验证工具
9.5 融合方法的前景与挑战
9.6 物理信息神经网络在引力波中的应用前景
9.7 本章小结