Algoritmo per prevedere le orbite dei pianeti potrebbe essere la chiave per un’energia infinita

Un algoritmo informatico sviluppato da uno scienziato del Dipartimento dell’Energia degli Stati Uniti (DOE) presso il Princeton Plasma Physics Laboratory (PPPL) può prevedere con precisione l’orbita dei pianeti nel sistema solare. Si basa sull’intelligenza artificiale (AI) per sviluppare previsioni in base all’esperienza precedente.

Ora, i fondamenti di quell’algoritmo sono stati adattati in altri domini, in particolare per quanto riguarda la previsione e il controllo del plasma nelle strutture di fusione. Queste strutture possono sfruttare l’energia della fusione, che alimenta il sole e le stelle, sulla Terra.

Hong Qin è un fisico del PPPL e autore del documento pubblicato su Scientific Reports.

“Di solito, in fisica, si fanno osservazioni, si crea una teoria in base a quelle osservazioni e poi si utilizza quella teoria per prevedere nuove osservazioni”, ha detto Qin. “Cosa sto facendo è sostituire questo processo con un tipo di scatola nera che può produrre previsioni accurate senza utilizzare una teoria o una legge tradizionale.”

Il Programma Informatico

Il programma informatico sviluppato da Qin si basa sui dati forniti dalle osservazioni passate riguardanti le orbite della Terra, Marte, Mercurio, Venere, Giove e del pianeta nano Cerere. Insieme a un “algoritmo di servizio”, è possibile effettuare previsioni accurate delle orbite degli altri pianeti, tutto senza l’utilizzo delle leggi del moto e della gravitazione di Newton.

“In sostanza, ho bypassato tutti gli ingredienti fondamentali della fisica. Vado direttamente dai dati ai dati”, ha detto Qin. “Non c’è alcuna legge di fisica nel mezzo.”

Joshua Burby è un fisico del DOE presso il Los Alamos National Laboratory. Ha ricevuto un dottorato di ricerca sotto la guida di Qin.

“Hong ha insegnato al programma il principio sottostante utilizzato dalla natura per determinare la dinamica di qualsiasi sistema fisico”, ha detto Burby. “Il risultato è che la rete apprende le leggi del moto planetario dopo aver visto pochi esempi di formazione. In altre parole, il suo codice impara veramente le leggi della fisica.”

Eserimenti di Fusione

Questi principi e teorie sono ora stati adattati da Qi e Eric Palmerduca, che è uno studente di dottorato nel Programma di Fisica dei Plasmi dell’Università di Princeton. La coppia sta cercando di utilizzarli per prevedere il comportamento delle particelle di plasma negli esperimenti di fusione, che si svolgono in tutto il mondo.

La fusione è la combinazione di elementi leggeri sotto forma di plasma e rappresenta la fonte di energia delle stelle e del sole. Il plasma rappresenta il 99% dell’universo visibile e ha il potenziale per produrre enormi quantità di energia. Se gli scienziati possono replicare la fusione sulla Terra, ci fornirebbe una fonte di energia infinita per l’elettricità.

“In un dispositivo di fusione magnetica, la dinamica dei plasmi è complessa e multi-scalare e le leggi di governo efficaci o i modelli computazionali per un particolare processo fisico che ci interessa non sono sempre chiari”, ha detto Qin. “In questi scenari, possiamo applicare la tecnica di apprendimento automatico che ho sviluppato per creare una teoria del campo discreto e poi applicare questa teoria del campo discreto per comprendere e prevedere nuove osservazioni sperimentali.”

Gli scienziati ritengono anche che questa nuova tecnica potrebbe sviluppare una teoria fisica tradizionale.

Sebbene in un certo senso questo metodo precluda la necessità di una tale teoria, può anche essere visto come un percorso verso di essa”, ha detto Palmerduca. “Quando si tenta di dedurre una teoria, si desidera avere il più possibile dati a disposizione. Se si è dati alcuni dati, è possibile utilizzare l’apprendimento automatico per colmare le lacune in quei dati o ampliare l’insieme di dati.”