L’IA insegna a se stessa le leggi della fisica

In un momento monumentale sia per l’IA che per la fisica, una rete neurale ha “riscoperto” che la Terra orbita intorno al Sole. Questo nuovo sviluppo potrebbe essere cruciale per risolvere problemi di meccanica quantistica e i ricercatori sperano che possa essere utilizzato per scoprire nuove leggi della fisica identificando modelli all’interno di grandi set di dati.

La rete neurale, chiamata SciNet, è stata alimentata con misurazioni che mostrano come appaiono il Sole e Marte dalla Terra. Gli scienziati dell’Istituto federale svizzero di tecnologia hanno poi incaricato SciNet di prevedere dove si troverebbero il Sole e Marte in momenti diversi del futuro.

La ricerca sarà pubblicata su Physical Review Letters.

Progettazione dell’algoritmo

Il team, tra cui il fisico Renato Renner, ha cercato di rendere l’algoritmo in grado di distillare grandi set di dati in formule di base. Questo è lo stesso sistema utilizzato dai fisici quando creano equazioni. Per farlo, i ricercatori hanno dovuto basare la rete neurale sul cervello umano.

Le formule generate da SciNet hanno collocato il Sole al centro del nostro sistema solare. Uno degli aspetti più notevoli di questa ricerca è che SciNet lo ha fatto in modo simile a come l’astronomo Nicolaus Copernicus scoprì l’eliocentrismo.

Il team ha evidenziato questo in un documento pubblicato sul repository di pre-stampa arXiv.

“Nel XVI secolo, Copernicus misurò gli angoli tra una stella fissa lontana e diversi pianeti e corpi celesti e ipotizzò che il Sole, e non la Terra, sia al centro del nostro sistema solare e che i pianeti si muovano intorno al Sole su orbite semplici”, ha scritto il team. “Ciò spiega le orbite complesse come viste dalla Terra.”

Il team ha cercato di far sì che SciNet predicesse i movimenti del Sole e di Marte nel modo più semplice possibile, quindi SciNet utilizza due sottoreti per scambiare informazioni. Una delle reti analizza i dati e ne apprende, e l’altra fa previsioni e testa l’accuratezza in base a quelle conoscenze. Poiché queste reti sono collegate da pochi collegamenti, le informazioni vengono compressi e la comunicazione è più semplice.

Le reti neurali convenzionali imparano a identificare e riconoscere oggetti attraverso enormi set di dati e generano caratteristiche. Queste vengono poi codificate in nodi matematici, considerati l’equivalente artificiale dei neuroni. A differenza dei fisici, le reti neurali sono più imprevedibili e difficili da interpretare.

Intelligenza artificiale e scoperte scientifiche

Uno dei test ha coinvolto il fornire alla rete dati simulati sui movimenti di Marte e del Sole, come visti dalla Terra. L’orbita di Marte intorno al Sole appare imprevedibile e spesso inverte la sua rotta. Fu nel 1500 quando Nicolaus Copernicus scoprì che formule più semplici potevano essere utilizzate per prevedere i movimenti dei pianeti che orbitano intorno al Sole.

Quando la rete neurale “scoprì” formule simili per la traiettoria di Marte, riscoprì uno dei pezzi di conoscenza più importanti della storia.

Mario Krenn è un fisico dell’Università di Toronto in Canada e lavora sull’utilizzo dell’intelligenza artificiale per fare scoperte scientifiche.

SciNet ha riscoperto “uno dei più importanti spostamenti di paradigmi nella storia della scienza”, ha detto.

Secondo Renner, gli esseri umani sono ancora necessari per interpretare le equazioni e determinare come sono collegate al movimento dei pianeti intorno al Sole.

Hod Lipson è un roboticista alla Columbia University di New York City.

“Questo lavoro è importante perché è in grado di individuare i parametri cruciali che descrivono un sistema fisico”, dice. “Penso che queste tecniche siano la nostra unica speranza di comprendere e stare al passo con fenomeni sempre più complessi, nella fisica e oltre.”