Kvantové výpočty

Nová umělá inteligence může objevit skryté fyzikální zákony

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Nová technologie umělé inteligence (AI), která může objevit skryté fyzikální zákony, byla vyvinuta výzkumníky z Kobe University a Osaka University. AI může extrahovat skryté rovnice pohybu z běžných pozorovacích dat, která se poté používají k vytvoření modelu založeného na fyzikálních zákonech.

Tento nový vývoj by mohl umožnit odborníkům objevit skryté rovnice pohybu za jevy, které jsou nevysvětlitelné.

Výzkumný tým zahrnoval associate profesora Yaguchi Takaharu a Ph.D. studenta Chen Yuhan z Kobe University, stejně jako associate profesora Matsubaru Takashi z Osaka University.

Výzkum byl prezentován minulý měsíc na Thirty-fifth Conference on Neural Information Processing Systems (NeurlPS2021).

Předpovídání fyzikálních jevů

K předpovídání fyzikálních jevů obvykle odborníci spoléhají na simulace se superpočítači. Simulace používají matematické modely založené na fyzikálních zákonech, ale výsledky mohou být nespolehlivé, pokud je model pochybný. Proto je důležité mít metodu produkce spolehlivých modelů z pozorovacích dat jevů.

Nový výzkum vyvinul metodu objevování nových rovnic pohybu v pozorovacích datech. Předchozí výzkum se zaměřil na objevování rovnic pohybu z dat, ale některé vyžadovaly, aby data byla ve vhodném formátu. Problém je, že existuje mnoho případů, kdy odborníci nevědí, jaký je nejlepší formát dat, takže je obtížné aplikovat realistická data.

Osvětlující neznámé geometrické vlastnosti

Výzkumníci řešili tuto výzvu osvětlující neznámé geometrické vlastnosti za jevy. To jim umožnilo vyvinout AI, která může najít tyto geometrické vlastnosti v datech. Pokud AI může extrahovat rovnice pohybu z dat, pak by se tyto rovnice mohly použít k vytvoření modelů a simulací, které následují fyzikální zákony.

Fyzikální simulace se provádějí v oblastech, jako je předpověď počasí, objevování léků a návrh automobilů. Nicméně obvykle vyžadují rozsáhlé výpočty. Pokud AI může naučit se z dat konkrétních jevů a také sestavit malé modely pomocí nové metody, pak by se výpočty mohly zjednodušit, urychlit a věrně následovat fyzikální zákony.

Tato metoda by se také mohla použít v oblastech nesouvisejících s fyzikou, umožňujících znalostem založeným na fyzice vyšetřování a simulace jevů, které byly dříve považovány za nevysvětlitelné. Jeden takový příklad je, že by se mohla použít k nalezení skryté rovnice pohybu v datech o populaci zvířat, která ukazuje změnu počtu jedinců, což by mohlo pomoci poskytnout pohledy do udržitelnosti ekosystému.

Alex McFarland je AI novinář a spisovatel, který zkoumá nejnovější vývoj v oblasti umělé inteligence. Spolupracoval s mnoha AI startupy a publikacemi po celém světě.