記事は、物理システムの動態を記述するための一般的な方法である常微分方程式（ODE）の学習に関する新たなアプローチ、「Chaotic ODE（CODE）」について述べています。これまでの方法では、科学者は観測データに基づいて動態への仮説を立て、数学的モデルを提案し、その予測をデータと比較してきました。しかし、最新の計算技術とアルゴリズムの進展により、観測結果から直接的にダイナミクスをデータ駆動で学習できるようになっています。CODEは、ODEの右辺に任意の多項式カオス展開を用いることで、動態のグローバルな直交多項式表現を実現します。異なる実験条件下において、CODEは新しい初期条件でも優れた外挿能力を示し、従来の方法と比較してもその性能が高いことが確認されています。また、ダイナミクス学習問題の堅牢な最適化に向けた実践的なガイドラインも提供されています。