Ny AI Kan Oppdage Skjulte Fysiske Lover

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

Den nye utviklingen kan muliggjøre at eksperter kan oppdage de skjulte bevegelsesligningene bak fenomener som ikke kan forklares. 

Forskningsgruppen inkluderte associate professor Yaguchi Takaharu og ph.d.-student Chen Yuhan fra Kobe University, samt associate professor Matsubara Takashi fra Osaka University.

Forskningen ble presentert forrige måned på Thirty-fifth Conference on Neural Information Processing Systems (NeurlPS2021).

Å Forutsi Fysiske Fenomener 

For å gjøre forutsigelser om fysiske fenomener, bruker eksperter vanligvis simuleringsverktøy med superdatamaskiner. Simuleringene bruker matematiske modeller basert på fysikkens lover, men resultater kan være ugyldige hvis modellen er tvilsom. Derfor er det viktig å ha en metode for å produsere pålitelige modeller fra observasjonsdata av fenomener. 

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

Å Avsløre Ukjente Geometriske Egenskaper 

Forskerne adresserte denne utfordringen ved å avsløre de ukjente geometriske egenskapene bak fenomener. Dette muliggjorde at de kunne utvikle en AI som kan finne disse geometriske egenskapene i data. Hvis AI-en kan trekke ut bevegelsesligninger fra data, så kan ligningene brukes til å lage modeller og simuleringsverktøy som følger fysikkens lover. 

Fysiske simuleringsverktøy brukes i felt som værvarsel, legemiddelforskning og bildesign. Men de krever vanligvis omfattende beregninger. Hvis AI kan lære fra data om bestemte fenomener, samt konstruere småskalmodeller med den nye metoden, så kan beregningene forenkles, akselereres og bli tro mot fysikkens lover. 

Metoden kan også brukes i områder som ikke er relatert til fysikk, og muliggjøre fysikkbasert undersøkelse og simuleringsverktøy for fenomener som tidligere ble ansett som umulige å forklare. Et eksempel er at den kan brukes til å finne en skjult bevegelsesligning i data om dyrepopulasjoner som viser endringen i antall individer, hvilket kan gi innsikt i økosystemets bærekraft.