Kvantové výpočty

Nová umělá inteligence může objevit skryté fyzikální zákony

Alex McFarland
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyNový AI extrahuje skryté pohybové rovnice z observačních dat.
Zobrazit více
  • Nový AI extrahuje skryté pohybové rovnice z observačních dat.
  • Metoda osvětluje neznámé geometrické vlastnosti pro vytvoření modelů věrných fyzice.
  • Mohla by zjednodušit simulace v předpovědi počasí, objevování léků a návrhu automobilů.

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 (NeurIPS2021).

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.

Odhalování neznámých geometrických vlastností

Výzkumníci řešili tuto výzvu odhalováním neznámých geometrických vlastností, které stojí za danými 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 se AI může učit 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, což umožňuje zkoumání a simulace jevů založené na znalostech fyziky, 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 vede AI‑poháněné zpravodajské operace společnosti Unite.AI, spojuje žurnalistiku, výzkum a automatizaci, aby podpořil včasné a škálovatelné pokrytí umělé inteligence. Jeho práce pomáhá zajistit, aby byly nové události v oblasti AI efektivně prezentovány a zároveň byly zachovány redakční standardy publikace.