Bài báo này đề cập đến vấn đề ước tính hệ số tốc độ cho các phản ứng hóa học phức tạp. Tính phi tuyến tính mạnh (độ cứng) của các hệ thống hóa học khí quyển trong thế giới thực dẫn đến sự bất ổn định trong quá trình huấn luyện và sự hội tụ kém trong các phương pháp tiếp cận dựa trên học tập hiện có. Để giải quyết vấn đề này, chúng tôi đề xuất SPIN-ODE, một khuôn khổ ODE thần kinh dựa trên vật lý kết hợp tính phi tuyến tính mạnh. SPIN-ODE bao gồm một quy trình tối ưu hóa ba bước: 1) điều chỉnh quỹ đạo nồng độ bằng cách sử dụng ODE thần kinh hộp đen; 2) huấn luyện trước một mạng nơ-ron phản ứng hóa học (CRNN) để học ánh xạ giữa các đạo hàm nồng độ và thời gian; và 3) tích hợp CRNN đã được huấn luyện trước với ODE để tinh chỉnh các hệ số tốc độ. Các thí nghiệm mở rộng trên dữ liệu tổng hợp và một tập dữ liệu thực tế mới được đề xuất chứng minh tính hiệu quả và độ mạnh mẽ của phương pháp được đề xuất. Đây là nghiên cứu đầu tiên áp dụng ODE thần kinh với tính phi tuyến tính mạnh vào việc khám phá hệ số tốc độ hóa học, gợi ý những hướng đi đầy hứa hẹn để tích hợp mạng nơ-ron với hóa học chi tiết.
