नई एआई छुपी हुई भौतिक नियमों का पता लगा सकती है

कोबे विश्वविद्यालय और ओसाका विश्वविद्यालय के शोधकर्ताओं द्वारा एक नई कृत्रिम बुद्धिमत्ता (एआई) प्रौद्योगिकी विकसित की गई है जो छुपी हुई भौतिक नियमों का पता लगा सकती है। एआई नियमित अवलोकन डेटा से छुपी हुई 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 छुपी हुई 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,以及 ओसाका विश्वविद्यालय से एसोसिएट प्रोफेसर मात्सुबारा ताकाशी शामिल थे।

इस शोध को पिछले महीने न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम्स (न्यूरलपीएस2021) 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।

नई 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 ने डेटा को उपयुक्त प्रारूप में होने की आवश्यकता है। 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 संबंधित क्षेत्रों में भी किया जा सकता है, जो पहले समझाने योग्य नहीं थे। एक उदाहरण यह है कि यह जानवरों की आबादी के डेटा में छुपी हुई गति के समीकरण का पता लगा सकती है, जो पारिस्थितिकी तंत्र की स्थिरता के बारे में अंतर्दृष्टि प्रदान कर सकती है।