Uusi tekoäly voi löytää piilevät fysikaaliset lait

Uusi tekoälytekniikka, joka voi löytää piilevät fysikaaliset lait, on kehitetty Kobe-yliopistossa ja Osakan yliopistossa. Tekoäly pystyy erottamaan piilevät liikemäärätavan observational aineistosta, jota voidaan sitten käyttää fysiikan lakien mukaisen mallin luomiseen.

Uusi kehitys voi mahdollistaa asiantuntijoiden löytää piilevät liikemäärät, jotka ovat selittämättömiä.

Tutkimusryhmään kuului apulaisprofessori Yaguchi Takaharu ja tohtorikoulutettava Chen Yuhan Kobe-yliopistosta, sekä apulaisprofessori Matsubara Takashi Osakan yliopistosta.

Tutkimus esiteltiin viime kuussa Thirty-fifth Conference on Neural Information Processing Systems (NeurlPS2021):ssä.

Fysikaalisten ilmiöiden ennustaminen

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

Uusi tutkimus kehitti menetelmän, jolla voidaan löytää uusia liikemäärätavan observational aineistosta. Aikaisemmat tutkimukset ovat keskittyneet liikemäärätavan löytämiseen aineistosta, mutta jotkut vaativat, että aineisto on oikeassa muodossa. Ongelma on, että on monia tapauksia, joissa asiantuntijat eivät tiedä, mikä on paras aineiston muoto, joten se on vaikea soveltaa realistista aineistoa.

Tuntemattomien geometristen ominaisuuksien valaiseva

Tutkijat vastasivat tähän haasteeseen valaisevalla tuntemattomia geometrisia ominaisuuksia ilmiöiden takana. Tämä mahdollisti heidän kehittää tekoälyä, joka pystyy löytämään nämä geometriset ominaisuudet aineistosta. Jos tekoäly pystyy erottamaan liikemäärät aineistosta, voidaan niitä käyttää mallejen ja simulaatioiden luomiseen, jotka noudattavat fysiikan lakeja.

Fysikaaliset simulaatiot tapahtuvat alueilla, kuten sääennustuksessa, lääkekehityksessä ja auton suunnittelussa. Ne vaativat kuitenkin usein laajaa laskentaa. Jos tekoäly voi oppia aineistosta tiettyjen ilmiöiden ja rakentaa pienimuotoisia malleja uuden menetelmän avulla, voidaan laskenta yksinkertaistaa, nopeuttaa ja tehdä uskolliseksi fysiikan lakeja kohtaan.

Menetelmää voidaan soveltaa myös fysiikkaan liittymättömissä aloissa, mahdollistaen fysiikan tietämyksen perusteella tutkimuksia ja simulaatioita aiemmin selittämättömistä ilmiöistä. Yksi esimerkki on, että sitä voidaan käyttää piilevän liikemäärätavan löytämiseen eläinpopulaatioiden aineistosta, joka osoittaa yksilöiden määrän muutosta, mikä voi antaa näkymän ekosysteemin kestävyydestä.