非線性動力學稀疏辨識（SINDy）

SINDy 藉由假設動力學在一組選定的候選函數庫中是稀疏的，來對資料擬合出一條顯式的支配方程。作法是沿軌跡建立一個項的字典（多項式、三角函數等），估計時間導數，並求解一個稀疏迴歸，使 dx/dt 等於字典中少數幾項的加權和。輸出是一組精簡、人可閱讀的微分方程，而非黑箱網路——其吸引力在於可詮釋性，且當真實動力學確實在該函數庫中稀疏時，還帶來樣本效率與外插能力。

把 SINDy 用於神經系統確實很困難、仍屬前沿：尖峰須先轉成平滑的低維狀態（SINDy 通常在來自 VAE／自編碼器的潛在空間中執行，如 SINDy-autoencoder 管線），導數估計對噪聲敏感，且復原出的方程高度取決於函數庫與稀疏門檻。最好把它視為在降維潛在空間中生成支配方程假說的工具，而非可直接套用於原始高維紀錄的一鍵方法。