Kvanttilaskenta

Uusi tekoäly voisi löytää piileviä fysiikan lakeja

Alex McFarland
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatUusi tekoäly erottaa piilotetut liikeyhtälöt havaintodatasta.
Näytä lisää
  • Uusi tekoäly erottaa piilotetut liikeyhtälöt havaintodatasta.
  • Menetelmä valaisee tuntemattomia geometrisia ominaisuuksia rakentaakseen fysiikalle uskollisia malleja.
  • Se voisi yksinkertaistaa simulaatioita sääennustuksessa, lääkekehityksessä ja autojen suunnittelussa.

Kobe-yliopiston ja Osaka-yliopiston tutkijat ovat kehittäneet uuden tekoälytekniikan, joka voisi löytää piileviä fysiikan lakeja. Tekoäly pystyy erottamaan piilevät liikeyhtälöt tavallisista havaintoaineistoista, joista voidaan luoda fysiikan lakeihin perustuva malli.

Uusi kehitys voisi mahdollistaa asiantuntijoille piilevien liikeyhtälöiden löytämisen ilmiöistä, joita ei voida selittää.

Tutkimusryhmään kuului apulaisprofessori Yaguchi Takaharu ja väitöskirjatutkija Chen Yuhan Kobe-yliopistosta sekä apulaisprofessori Matsubara Takashi Osaka-yliopistosta.

Tutkimus esiteltiin viime kuussa Thirty-fifth Conference on Neural Information Processing Systems (NeurIPS2021) -konferenssissa.

Fysikaalisten ilmiöiden ennustaminen

Fysikaalisten ilmiöiden ennustamiseen asiantuntijat luottavat yleensä supertietokoneiden simulaatioihin. Simulaatiot käyttävät fysiikan lakeihin perustuvia matemaattisia malleja, mutta tulokset voivat olla epäluotettavia, jos malli on kyseenalainen. Tämän vuoksi on tärkeää kehittää menetelmä, jolla voidaan tuottaa luotettavia malleja havaintotiedoista.

Uudessa tutkimuksessa kehitettiin menetelmä, jolla voidaan löytää uusia liikeyhtälöitä havaintotiedoista. Aikaisemmassa tutkimuksessa on keskitytty liikeyhtälöiden löytämiseen tiedoista, mutta joissakin tapauksissa tietojen on oltava oikeassa muodossa. Ongelma on, että useissa tapauksissa asiantuntijat eivät tiedä, mikä on paras tietomuoto, joten on vaikea soveltaa realistisia tietoja.

Tuntemattomien geometristen ominaisuuksien valottaminen

Tutkijat ratkaisivat haasteen valottamalla tuntemattomat geometriset ominaisuudet ilmiöiden takana. Tämän ansiosta he pystyivät kehittämään tekoälyn, joka pystyy löytämään nämä geometriset ominaisuudet tiedoista. Jos tekoäly pystyy erottamaan liikeyhtälöt tiedoista, voidaan näitä yhtälöitä käyttää luomaan malleja ja simulaatioita, jotka noudattavat fysiikan lakeja.

Fysikaaliset simulaatiot tapahtuvat aloilla kuten sääennustus, lääkekehitys ja auton suunnittelu. Ne vaativat kuitenkin usein laajaa laskentaa. Jos tekoäly voi oppia tiettyjen ilmiöiden tietoja ja rakentaa pienimuotoisia malleja uuden menetelmän avulla, voidaan laskenta yksinkertaistaa, nopeuttaa ja pitää fysiikan lakien mukaisena.

Menetelmää voidaan soveltaa myös fysiikkaan liittymättömissä aloissa, mahdollistaen fysiikan tietämykseen perustuvat tutkimukset ja simulaatiot ilmiöistä, joita ei aiemmin voitu selittää. Esimerkiksi voidaan käyttää löytämään piilevä liikeyhtälö eläinpopulaatioiden yksilömäärien muutoksia kuvaavista tiedoista, mikä voisi auttaa ymmärtämään ekosysteemien kestävyyttä.

Alex johtaa Unite.AI:n tekoälypohjaista uutistoimintaa, yhdistäen journalismia, tutkimusta ja automaatiota tukeakseen ajantasaista ja skaalautuvaa tekoälyä koskevaa uutisointia. Hänen työnsä auttaa varmistamaan, että nousevat tekoälykehitykset saadaan esiin tehokkaasti samalla kun julkaisun toimitukselliset standardit säilyvät.