AI leert zichzelf de wetten van de natuurkunde

In een monumentaal moment voor zowel AI als natuurkunde, heeft een neurale netwerk “herontdekt” dat de aarde om de zon draait. Deze nieuwe ontwikkeling kan cruciaal zijn bij het oplossen van problemen in de kwantummechanica, en de onderzoekers hopen dat het gebruikt kan worden om nieuwe wetten van de natuurkunde te ontdekken door patronen in grote datasets te identificeren.

Het neurale netwerk, genaamd SciNet, kreeg metingen die laten zien hoe de zon en Mars vanaf de aarde lijken. Wetenschappers aan het Zwitserse Federaal Instituut voor Technologie gaven SciNet de taak om te voorspellen waar de zon en Mars op verschillende tijdstippen in de toekomst zouden zijn.

Het onderzoek zal worden gepubliceerd in Physical Review Letters.

Het ontwerpen van de algoritme

Het team, inclusief natuurkundige Renato Renner, zette zich tot doel om de algoritme in staat te stellen om grote datasets te reduceren tot basisformules. Dit is hetzelfde systeem dat natuurkundigen gebruiken bij het opstellen van vergelijkingen. Om dit te doen, moesten de onderzoekers het neurale netwerk baseren op de menselijke hersenen.

De formules die door SciNet werden gegenereerd, plaatsten de zon in het centrum van ons zonnestelsel. Een van de opmerkelijke aspecten van dit onderzoek was dat SciNet dit deed op een manier die vergelijkbaar is met hoe astronoom Nicolaus Copernicus de heliocentrische theorie ontdekte.

Het team benadrukte dit in een paper die werd gepubliceerd op de preprint-repository arXiv.

“In de 16e eeuw mat Copernicus de hoeken tussen een verre vaste ster en verschillende planeten en hemellichamen en hypothezeerde dat de zon, en niet de aarde, in het centrum van ons zonnestelsel staat en dat de planeten om de zon bewegen in eenvoudige banen,” schreef het team. “Dit verklaart de complexe banen zoals ze vanaf de aarde worden waargenomen.”

Het team probeerde SciNet te laten voorspellen hoe de zon en Mars zich zouden bewegen op de eenvoudigste manier mogelijk, dus SciNet gebruikt twee sub-netwerken om informatie heen en weer te sturen. Een van de netwerken analyseert de data en leert ervan, en de andere maakt voorspellingen en test de nauwkeurigheid op basis van die kennis. Omdat deze netwerken met slechts een paar links met elkaar zijn verbonden, wordt de informatie gecomprimeerd en is de communicatie eenvoudiger.

Conventionele neurale netwerken leren objecten te identificeren en te herkennen door middel van grote datasets, en genereren kenmerken. Deze worden vervolgens gecodeerd in wiskundige ‘knooppunten’, die worden beschouwd als de kunstmatige equivalent van neuronen. In tegenstelling tot natuurkundigen zijn neurale netwerken onvoorspelbaarder en moeilijker te interpreteren.

Kunstmatige intelligentie en wetenschappelijke ontdekkingen

Een van de tests bestond eruit om het netwerk gesimuleerde data over de bewegingen van Mars en de zon te geven, zoals gezien vanaf de aarde. De baan van Mars om de zon lijkt onvoorspelbaar en keert vaak van richting. Het was in de 16e eeuw dat Nicolaus Copernicus ontdekte dat eenvoudigere formules konden worden gebruikt om de bewegingen van de planeten om de zon te voorspellen.

Toen het neurale netwerk “ontdekte” soortgelijke formules voor de baan van Mars, herontdekte het een van de belangrijkste stukken kennis in de geschiedenis.

Mario Krenn is een natuurkundige aan de Universiteit van Toronto in Canada, en hij werkt aan het gebruik van kunstmatige intelligentie om wetenschappelijke ontdekkingen te doen.

SciNet herontdekte “een van de belangrijkste verschuivingen van paradigma’s in de geschiedenis van de wetenschap,” zei hij.

Volgens Renner zijn mensen nog steeds nodig om de vergelijkingen te interpreteren en te bepalen hoe ze zijn verbonden met de beweging van de planeten om de zon.

Hod Lipson is een roboticus aan de Columbia Universiteit in New York City.

“Dit werk is belangrijk omdat het in staat is om de cruciale parameters te identificeren die een fysiek systeem beschrijven,” zegt hij. “Ik denk dat dit soort technieken onze enige hoop zijn om de complexe fenomenen in de natuurkunde en daarbuiten te begrijpen en bij te houden.”