KAN2.0, ein verbessertes neuronales Netzwerk-Framework, zielt darauf ab, die Verbindung zwischen KI und klassischer Physik zu vertiefen. Forscher können maßgeschneiderte Modelle erstellen und Fachwissen einbringen, um wichtige Konzepte physikalischer Systeme wie die Lagrange-Funktion zu entdecken. Das neue Framework verbessert die Modellrepräsentation, -nutzbarkeit und -erklärbarkeit durch drei Hauptfunktionen: MultKAN, kanpiler und den Baum-Transformator. Es löst Kompatibilitätsprobleme zwischen KI und wissenschaftlichen Anwendungen. KAN2.0 zeichnet sich durch die Identifizierung von Merkmalen, die Aufdeckung von Modulstrukturen und die Entdeckung von symbolischen Formeln aus, insbesondere in Bereichen, die sich nur schwer durch symbolische Gleichungen darstellen lassen, wie z. B. in der Chemie.