AIが物理学の法則を自己学習する

AIと物理学の両方で画期的な瞬間となり、ニューラルネットワークが「地球は太陽の周りを回っている」という事実を「再発見」した。この新しい発展は、量子力学の問題を解決する上で重要となる可能性があり、研究者は、大規模なデータセット内にパターンを特定することで、新しい物理学の法則を発見するために使用できることを希望している。

ニューラルネットワーク、SciNetは、太陽と火星が地球から見えるように測定されたデータを与えられた。スイス連邦工科大学の科学者は、SciNetに、将来の異なる時点での太陽と火星の位置を予測するように依頼した。

この研究は、Physical Review Lettersに掲載される予定である。

アルゴリズムの設計

物理学者Renato Rennerを含むチームは、アルゴリズムを大規模なデータセットを基本的な式に凝縮できるようにすることを目指した。これは、物理学者が方程式を導出するために使用するシステムと同じである。そうするために、研究者はニューラルネットワークを人間の脳に基づいて構築する必要があった。

SciNetによって生成された式は、太陽を太陽系の中心に置いた。研究の顕著な側面の1つは、SciNetが天文学者ニコラウス・コペルニクスが太陽中心説を発見したのと同様の方法で太陽中心説を「再発見」したことである。

チームは、プレプリントリポジトリarXivに掲載された論文でこの点を強調した。

「16世紀、コペルニクスは、遠方の固定星と複数の惑星および天体の間の角度を測定し、太陽が地球ではなく太陽系の中心にあり、惑星が太陽の周りを単純な軌道で回っているという仮説を立てた」とチームは書いている。「これは、地球から見た複雑な軌道を説明する。」

チームは、SciNetに太陽と火星の動きを可能な限り単純に予測するように依頼した。SciNetは、データを分析して学習し、予測と精度のテストを行う2つのサブネットワークを使用する。サブネットワークはわずかなリンクで接続されており、情報は圧縮され、通信はよりシンプルになる。

従来のニューラルネットワークは、大規模なデータセットを通じてオブジェクトを識別して認識することを学び、特徴を生成する。特徴は、数学的な「ノード」に符号化され、ノードは人工的なニューロンの同等とみなされる。物理学者とは異なり、ニューラルネットワークはより予測不可能で、解釈が難しい。

人工知能と科学的発見

テストの1つは、ネットワークに、地球から見た火星と太陽の動きに関するシミュレートされたデータを与えることだった。火星の太陽周回軌道は予測不可能で、しばしば方向を変える。コペルニクスは1500年代に、惑星の動きを予測するためにより単純な式を使用できることを発見した。

ニューラルネットワークが火星の軌道について同様の式を「発見」したとき、科学史上最も重要なパラダイムシフトの1つを再発見した。

マリオ・クレンはカナダのトロント大学の物理学者であり、科学的発見のために人工知能を使用する研究に従事している。

「SciNetは、科学史上最も重要なパラダイムシフトの1つを再発見した」とクレンは述べている。

レンネルによると、人間はまだ、方程式を解釈し、惑星の動きと太陽の周りを回る関係を決定する必要がある。

ホド・リプソンはニューヨーク市コロンビア大学のロボティクス研究者である。

「この研究は重要である，因为它能够找出物理系统的关键参数」とリプソンは述べている。「私は、これらの種の技術が、物理学とその先にある複雑な現象を理解し、追跡するための私たちの唯一の希望であると思っている。」