本研究提出了Graph-EQ，一种基于图神经网络的深度图生成模型，旨在解决现有方程发现方法的速度慢和过拟合问题。该模型通过无监督学习大量方程数据，有效发现真实方程，并利用贝叶斯优化探索潜在空间。

本研究提出了一种新颖的方程发现框架KAN-PISF，结合去噪算法、可解释神经网络和物理信息样条拟合，旨在提高动态系统建模的可解释性。该方法成功识别非线性方程结构，展示了在物理理解与建模中的潜在影响。