Nová umělá inteligence mohla objevit skryté fyzikální zákony

Nová technologie umělé inteligence (AI), která by mohla 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 doktoranda Chen Yuhan z Kobe University, stejně jako associate profesora Matsubara Takashi z Osaka University.

Výzkum byl představen 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 využívají matematické modely založené na fyzikálních zákonech, ale výsledky mohou být nespolehlivé, pokud je model zpochybnitelný. To je důvod, proč 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 umožnilo jim vyvinout AI, která může najít tyto geometrické vlastnosti v datech. Pokud AI může extrahovat rovnice pohybu z dat, pak by tyto rovnice mohly být použity k vytvoření modelů a simulací, které následují fyzikální zákony. 

Fyzikální simulace se vyskytují 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 konstruovat malé modely pomocí nové metody, pak by výpočty mohly být zjednodušeny, urychleny a věrné fyzikálním zákonům. 

Metoda by mohla být také aplikována na oblasti nesouvisející s fyzikou, umožňující znalostní zkoumání a simulace fyziky pro jevy, které byly dříve považovány za nemožné vysvětlit. Jedním z takových příkladů je, že by mohla být použita k nalezení skryté rovnice pohybu v datech o populaci zvířat, která ukazuje změnu počtu jedinců, což by mohlo pomoci poskytnout vhled do udržitelnosti ekosystému.