क्वांटम कंप्यूटिंग

नई एआई छिपे हुए भौतिक नियमों का पता लगा सकती है

Alex McFarland
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुनया AI अवलोकन डेटा से गति के छिपे समीकरण निकालता है।
और देखें
  • नया AI अवलोकन डेटा से गति के छिपे समीकरण निकालता है।
  • यह विधि अज्ञात ज्यामितीय गुणों को उजागर करके भौतिकी-विश्वसनीय मॉडल बनाती है।
  • यह मौसम पूर्वानुमान, दवा खोज और कार डिज़ाइन में सिमुलेशन को सरल बना सकता है।

कोबे विश्वविद्यालय और ओसाका विश्वविद्यालय के शोधकर्ताओं द्वारा एक नई कृत्रिम बुद्धिमत्ता (एआई) प्रौद्योगिकी विकसित की गई है जो छिपे हुए भौतिक नियमों का पता लगा सकती है। एआई नियमित अवलोकन डेटा से छिपे हुए गति के समीकरण निकाल सकती है, जिसका उपयोग भौतिकी के नियमों पर आधारित मॉडल बनाने के लिए किया जाता है।

यह नई खोज विशेषज्ञों को उन घटनाओं के पीछे छिपे हुए गति के समीकरणों का पता लगाने में सक्षम बना सकती है जो समझाने योग्य नहीं हैं।

शोध टीम में कोबे विश्वविद्यालय से एसोसिएट प्रोफेसर यागुची ताकाहारू और पीएचडी छात्र चेन युहान,तथा ओसाका विश्वविद्यालय से एसोसिएट प्रोफेसर मात्सुबारा ताकाशी शामिल थे।

इस शोध को पिछले महीने न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम्स (NeurIPS2021) के पैंतीसवें सम्मेलन में प्रस्तुत किया गया था।

भौतिक घटनाओं की भविष्यवाणी

भौतिक घटनाओं की भविष्यवाणी करने के लिए, विशेषज्ञ आमतौर पर सुपरकंप्यूटरों के साथ सिमुलेशन पर निर्भर करते हैं। सिमुलेशन भौतिकी के नियमों पर आधारित गणितीय मॉडल का उपयोग करते हैं, लेकिन परिणाम अनिश्चित हो सकते हैं यदि मॉडल संदेहास्पद है। यही कारण है कि अवलोकन डेटा से विश्वसनीय मॉडल बनाने का एक तरीका होना आवश्यक है।

नए शोध ने अवलोकन डेटा में नए गति के समीकरणों का पता लगाने का एक तरीका विकसित किया है। पिछले शोध ने डेटा से गति के समीकरणों का पता लगाने पर ध्यान केंद्रित किया है, लेकिन कुछ विधियों के लिए डेटा उपयुक्त प्रारूप में होना जरूरी था। समस्या यह है कि कई मामलों में विशेषज्ञों को यह नहीं पता होता है कि डेटा के लिए सबसे अच्छा प्रारूप क्या है, इसलिए यह वास्तविक डेटा को लागू करना मुश्किल है।

अज्ञात ज्यामितीय गुणों को प्रकाश में लाना

शोधकर्ताओं ने इस चुनौती का सामना करने के लिए घटनाओं के पीछे अज्ञात ज्यामितीय गुणों को प्रकाश में लाने का तरीका विकसित किया है। इससे उन्हें एक एआई विकसित करने में सक्षम बनाया गया है जो डेटा में इन ज्यामितीय गुणों का पता लगा सकती है। यदि एआई डेटा से गति के समीकरण निकाल सकती है, तो उन समीकरणों का उपयोग भौतिकी के नियमों का पालन करने वाले मॉडल और सिमुलेशन बनाने के लिए किया जा सकता है।

भौतिक सिमुलेशन मौसम की भविष्यवाणी, दवा की खोज, और कार डिजाइन जैसे क्षेत्रों में होते हैं। हालांकि, उन्हें आमतौर पर व्यापक गणना की आवश्यकता होती है। यदि एआई विशिष्ट घटनाओं के डेटा से सीख सकती है, साथ ही नए तरीके से छोटे पैमाने पर मॉडल बना सकती है, तो गणना सरल, तेज, और भौतिकी के नियमों के अनुसार हो सकती है।

इस तरीके का उपयोग भौतिकी से असंबंधित क्षेत्रों में भी किया जा सकता है। इससे पहले समझ से परे मानी जाने वाली घटनाओं की भौतिकी के ज्ञान पर आधारित जाँच और सिमुलेशन संभव हो सकते हैं। उदाहरण के लिए, इसका उपयोग पशुओं की समष्टि के ऐसे डेटा में छिपे हुए गति के समीकरण खोजने के लिए किया जा सकता है, जो जीवों की संख्या में बदलाव दिखाते हैं। इससे पारिस्थितिकी तंत्र की स्थिरता को समझने में मदद मिल सकती है।

Alex McFarland

Alex Unite.AI के एआई‑संचालित समाचार संचालन का नेतृत्व करते हैं, पत्रकारिता, अनुसंधान और स्वचालन को मिलाकर कृत्रिम बुद्धिमत्ता की समय पर और स्केलेबल कवरेज को समर्थन देते हैं। उनका काम यह सुनिश्चित करने में मदद करता है कि उभरते एआई विकास को प्रभावी ढंग से उजागर किया जाए, जबकि प्रकाशन के संपादकीय मानकों को बनाए रखा जाए।