์์ ์ปดํจํ
์๋ก์ด AI๊ฐ ์จ๊ฒจ์ง ๋ฌผ๋ฆฌ ๋ฒ์น์ ๋ฐ๊ฒฌํ ์ ์๋ค
고베 대학과 오사카 대학의 연구진이 숨겨진 물리 법칙을 발견할 수 있는 새로운 인공 지능(AI) 기술을 개발했다. 이 AI는 정기적인 관측 데이터에서 숨겨진 운동 방정식을 추출하여 물리 법칙에 기반한 모델을 생성할 수 있다.
이 새로운 개발은 전문가들이 설명할 수 없는 현象背後の 숨겨진 운동 방정식을 발견할 수 있도록 할 수 있다.
연구 팀에는 고베 대학의 야구치 타카하루 부교수와 천위한 박사 과정 학생,以及 오사카 대학의 마츠바라 타카시 부교수가 포함되었다.
이 연구는 지난달에 Thirty-fifth Conference on Neural Information Processing Systems (NeurlPS2021)에서 발표되었다.
물리 현象 예측
물리 현象에 대한 예측을 하기 위해 전문가들은 일반적으로 슈퍼 컴퓨터를 사용한 시뮬레이션에 의존한다. 이러한 시뮬레이션은 물리 법칙에 기반한 수학적 모델을 사용하지만, 모델이 의심스럽다면 결과는 신뢰할 수 없을 수 있다. 따라서 관측 데이터에서 신뢰할 수 있는 모델을 생성하는 방법이 중요하다.
새로운 연구는 관측 데이터에서 새로운 운동 방정식을 발견하는 방법을 개발했다. 이전 연구는 데이터에서 운동 방정식을 발견하는 것에 중점을 두었지만, 일부는 데이터가 적절한 형식이어야 했다. 문제는 전문가들이 항상 최적의 데이터 형식을 알지 못하기 때문에 실제 데이터를 적용하기 어렵다는 것이다.
未知의 기하학적 속성 조명
연구진은 이러한 문제를 현象背後の 未知の 기하학적 속성을 조명함으로써 해결했다. 이를 통해 데이터에서 이러한 기하학적 속성을 찾을 수 있는 AI를 개발할 수 있었다. AI가 데이터에서 운동 방정식을 추출할 수 있다면, 이러한 방정식을 사용하여 물리 법칙에 따라 모델과 시뮬레이션을 생성할 수 있다.
물리 시뮬레이션은 날씨 예측, 약물 발견, 자동차 설계 등 다양한 분야에서 수행된다. 그러나 이러한 시뮬레이션은 일반적으로 광범위한 계산을 필요로 한다. AI가 특정 현象의 데이터에서 학습하고, 새로운 방법을 사용하여 작은 규모의 모델을 생성할 수 있다면, 계산을 단순화하고, 속도화하고, 물리 법칙에 따라 수행할 수 있다.
이 방법은 물리학과 관련이 없는 분야에 적용될 수도 있다. 물리학 지식 기반의 조사와 시뮬레이션을 이전에는 설명할 수 없다고 생각했던 현象에 대해 수행할 수 있다. 예를 들어, 동물 개체 수의 변화를 보여주는 동물 개체 수 데이터에서 숨겨진 운동 방정식을 찾을 수 있다. 이는 생태계의 지속 가능성에 대한 통찰력을 제공할 수 있다.
