本文介绍了KAN-ODE在科学机器学习应用中的灵活动力系统建模能力，相比于多层感知机，KAN-ODE具有更快的神经扩展速度、更强的解释性以及更少的参数个数。通过三个测试案例展示了KAN-ODE的优势，并通过激活函数可视化和训练结果符号回归显示了KAN-ODE的可解释性。