Quantum computing

Nieuwe AI kan verborgen natuurkundige wetten ontdekken

Alex McFarland
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenNieuwe AI haalt verborgen bewegingsvergelijkingen uit observatiegegevens.
Meer weergeven
  • Nieuwe AI haalt verborgen bewegingsvergelijkingen uit observatiegegevens.
  • De methode belicht onbekende geometrische eigenschappen om fysica-getrouwe modellen te bouwen.
  • Het zou simulaties kunnen vereenvoudigen bij weersvoorspellingen, medicijnontwikkeling en auto-ontwerp.

Een nieuwe technologie op basis van kunstmatige intelligentie (AI) die verborgen natuurkundige wetten kan ontdekken, is ontwikkeld door onderzoekers aan de Kobe Universiteit en de Osaka Universiteit. De AI kan verborgen bewegingsvergelijkingen uit reguliere observationele gegevens extraheren, die vervolgens worden gebruikt om een model te creëren op basis van de natuurkundige wetten.

De nieuwe ontwikkeling kan experts in staat stellen om de verborgen bewegingsvergelijkingen achter fenomenen te ontdekken die niet te verklaren zijn.

Het onderzoeksteam bestond uit associate professor Yaguchi Takaharu en promovendus Chen Yuhan van de Kobe Universiteit, evenals associate professor Matsubara Takashi van de Osaka Universiteit.

Het onderzoek werd vorige maand gepresenteerd op de Vijfendertigste Conferentie over Neurale Informatieverwerking (NeurIPS2021).

Voorspelling van natuurkundige fenomenen

Om voorspellingen te doen over natuurkundige fenomenen, vertrouwen experts meestal op simulaties met supercomputers. De simulaties gebruiken wiskundige modellen op basis van de natuurkundige wetten, maar de resultaten kunnen onbetrouwbaar zijn als het model twijfelachtig is. Dit is waarom het cruciaal is om een methode te hebben om betrouwbare modellen te produceren uit observationele gegevens van fenomenen.

Het nieuwe onderzoek heeft een methode ontwikkeld om nieuwe bewegingsvergelijkingen in observationele gegevens te ontdekken. Eerder onderzoek heeft zich gericht op het ontdekken van bewegingsvergelijkingen uit gegevens, maar sommige vereisten dat de gegevens in het juiste formaat waren. Het probleem is dat er veel gevallen zijn waarin experts niet weten welk gegevensformaat het beste te gebruiken is, waardoor het moeilijk is om realistische gegevens toe te passen.

Inzicht in onbekende geometrische eigenschappen

De onderzoekers hebben deze uitdaging aangepakt door de onbekende meetkundige eigenschappen achter fenomenen bloot te leggen. Dit stelde hen in staat om een AI te ontwikkelen die deze meetkundige eigenschappen in gegevens kan vinden. Als de AI bewegingsvergelijkingen uit gegevens kan extraheren, kunnen de vergelijkingen worden gebruikt om modellen en simulaties te creëren die de natuurkundige wetten volgen.

Natuurkundige simulaties vinden plaats in gebieden zoals weersvoorspelling, ontdekking van geneesmiddelen en auto-ontwerp. Echter, deze vereisen meestal uitgebreide berekeningen. Als AI kan leren van de gegevens van specifieke fenomenen, evenals kleine modellen construeren met de nieuwe methode, kunnen de berekeningen worden vereenvoudigd, versneld en getrouw aan de natuurkundige wetten.

De methode kan ook worden toegepast op gebieden die niet gerelateerd zijn aan natuurkunde, waardoor fysica-kennisgebaseerde onderzoeken en simulaties mogelijk worden voor fenomenen die eerder onmogelijk waren om te verklaren. Een voorbeeld is dat het kan worden gebruikt om een verborgen bewegingsvergelijking te vinden in gegevens over de populatie van dieren die de verandering in het aantal individuen laat zien, wat kan helpen om inzicht te krijgen in de duurzaamheid van ecosystemen.

Alex leidt de AI-gedreven nieuwsoperaties van Unite.AI, waarbij journalistiek, onderzoek en automatisering worden gecombineerd om tijdige en schaalbare berichtgeving over kunstmatige intelligentie te ondersteunen. Zijn werk helpt ervoor te zorgen dat opkomende AI-ontwikkelingen efficiënt naar voren worden gebracht, terwijl de redactionele normen van de publicatie worden gehandhaafd.