नई एआई छुपी हुई भौतिक नियमों का पता लगा सकती है

कोबे विश्वविद्यालय और ओसाका विश्वविद्यालय के शोधकर्ताओं द्वारा छुपी हुई भौतिक नियमों का पता लगाने में सक्षम एक नई कृत्रिम बुद्धिमत्ता (एआई) प्रौद्योगिकी विकसित की गई 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 विकास विशेषज्ञों को उन घटनाओं के पीछे छुपे हुए गति के समीकरणों का पता लगाने में सक्षम बना सकता है जो अस्पष्ट हैं।

शोध टीम में कोबे विश्वविद्यालय से एसोसिएट प्रोफेसर यागुची ताकाहरू और पीएचडी छात्र चेन यूहान, साथ ही ओसाका विश्वविद्यालय से एसोसिएट प्रोफेसर मात्सुबारा ताकाशी शामिल थे।

शोध पिछले महीने न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम्स (न्यूरलपीएस2021) के पैंतीसवें सम्मेलन में प्रस्तुत किया गया था।

भौतिक घटनाओं की भविष्यवाणी

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

नई शोध ने अवलोकन डेटा में नए गति के समीकरणों का पता लगाने का तरीका विकसित किया है। पिछले शोध ने डेटा से गति के समीकरणों का पता लगाने पर ध्यान केंद्रित किया है, लेकिन कुछ को डेटा को उपयुक्त प्रारूप में होने की आवश्यकता होती है। समस्या यह है कि कई मामलों में विशेषज्ञों को यह नहीं पता होता है कि कौन सा डेटा प्रारूप उपयोग करना है, इसलिए वास्तविक डेटा को लागू करना मुश्किल है।

अज्ञात ज्यामितीय गुणों को रोशन करना

शोधकर्ताओं ने इस चुनौती का सामना घटनाओं के पीछे अज्ञात ज्यामितीय गुणों को रोशन करके किया। इससे उन्हें डेटा में इन ज्यामितीय गुणों का पता लगाने वाली एआई विकसित करने में सक्षम बनाया। यदि एआई डेटा से गति के समीकरण निकाल सकती है, तो समीकरणों का उपयोग भौतिक 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 व्यापक गणना की आवश्यकता होती है। यदि एआई विशिष्ट घटनाओं के डेटा से सीख सकती है, साथ ही नए तरीके का उपयोग करके छोटे पैमाने पर मॉडल बना सकती है, तो गणना को सरलीकृत, तेज़, और भौतिकी के नियमों के अनुरूप बनाया जा सकता है।

इस तरीके का उपयोग भौतिकी से असंबंधित क्षेत्रों में भी किया जा सकता है, जो पहले अस्पष्ट माने जाने वाले घटनाओं के लिए भौतिकी ज्ञान-आधारित जांच और सिमुलेशन को सक्षम बनाता है। एक उदाहरण यह है कि यह जानवरों की आबादी के डेटा में छुपे हुए गति के समीकरण का पता लगाने के लिए उपयोग किया जा सकता है जो व्यक्तियों की संख्या में परिवर्तन दिखाता है, जो पारिस्थितिकी तंत्र की स्थिरता के बारे में अंतर्दृष्टि प्रदान कर सकता है।