KAN2.0，神经网络架构的升级版，旨在深化AI与经典物理学的融合。研究者可定制模型，融入专业知识，用于发现物理系统关键概念如拉格朗日量。新框架通过MultKAN、kanpiler和树转化器三大功能增强模型表达、实用性与解释性，解决AI与科学的兼容性问题。KAN2.0在识别特征、揭示模块结构、发现符号公式方面表现出色，尤其适用于难以用符号方程表示的领域，如化学和生物学。模块化结构的构建与MLP神经元的交互提高了模型的直观性和解释性。此研究由MIT、加州理工学院等机构的五位学者共同完成，论文与项目代码已公开。