Ny AI kan oppdage skjulte fysiske lover

En ny teknologi for kunstig intelligens (AI) som kan oppdage skjulte fysiske lover er utviklet av forskere ved Kobe University og Osaka University. AI kan trekke ut skjulte bevegelsesligninger fra vanlige observasjonsdata, som deretter brukes til å lage en modell basert på fysikkens lover. 

Den nye utviklingen kan gjøre det mulig for eksperter å oppdage de skjulte bevegelsesligningene bak fenomener som er uforklarlige. 

Forskerteamet inkluderte førsteamanuensis Yaguchi Takaharu og Ph.D. student Chen Yuhan fra Kobe University, samt førsteamanuensis Matsubara Takashi fra Osaka University.

Forskningen ble presentert i forrige måned på Trettifemte konferanse om nevrale informasjonsbehandlingssystemer (NeurlPS2021).

Forutsi fysiske fenomener 

For å komme med spådommer om fysiske fenomener, er eksperter vanligvis avhengige av simuleringer med superdatamaskiner. Simuleringene bruker matematiske modeller basert på fysikkens lover, men resultatene kan være upålitelige hvis modellen er tvilsom. Dette er grunnen til at det er avgjørende å ha en metode for å produsere pålitelige modeller fra observasjonsdata for fenomener. 

Den nye forskningen utviklet en metode for å oppdage nye bevegelsesligninger i observasjonsdata. Tidligere forskning har fokusert på å oppdage bevegelsesligninger fra data, men noen krevde at dataene var i riktig format. Problemet er at det er mange tilfeller der eksperter ikke vet det beste dataformatet som skal brukes, så det er vanskelig å bruke realistiske data.

Belyser ukjente geometriske egenskaper 

Forskerne tok tak i denne utfordringen ved å belyse de ukjente geometriske egenskapene bak fenomener. Dette gjorde dem i stand til å utvikle en AI som kan finne disse geometriske egenskapene i data. Hvis AI kan trekke ut bevegelsesligninger fra data, kan ligningene brukes til å lage modeller og simuleringer som følger fysiske lover. 

Fysiske simuleringer finner sted innen felt som værvarsling, oppdagelse av legemidler og bildesign. Imidlertid krever de vanligvis omfattende beregninger. Hvis AI kan lære av data fra spesifikke fenomener, samt konstruere småskalamodeller ved hjelp av den nye metoden, kan beregningene forenkles, fremskyndes og tro mot fysikkens lover. 

Metoden kan også brukes på områder som ikke er relatert til fysikk, og muliggjør fysikkkunnskapsbaserte undersøkelser og simuleringer av fenomener som tidligere ble ansett som umulige å forklare. Et slikt eksempel er at det kan brukes til å finne en skjult bevegelsesligning i dyrepopulasjonsdata som viser endringen i antall individer, noe som kan bidra til å gi innsikt i økosystemets bærekraft.