Algorytm do przewidywania orbity planet może być kluczem do nieograniczonego źródła energii

Komputerowy algorytm opracowany przez naukowca z amerykańskiego Departamentu Energii, Princeton Plasma Physics Laboratory (PPPL), może dokładnie przewidywać orbity planet w układzie słonecznym. Opiera się on na sztucznej inteligencji (AI), aby rozwijać przewidywania na podstawie wcześniejszych doświadczeń.

Teraz podstawy tego algorytmu są adaptowane w innych dziedzinach, szczególnie w odniesieniu do przewidywania i kontrolowania plazmy w urządzeniach fuzyjnych. Urządzenia te mogą wykorzystywać energię fuzyjną, która napędza słońce i gwiazdy, na Ziemi.

Hong Qin jest fizykiem z PPPL i autorem artykułu opublikowanego w Scientific Reports.

“Zwykle w fizyce robisz obserwacje, tworzysz teorię na podstawie tych obserwacji, a następnie używasz tej teorii do przewidywania nowych obserwacji”, powiedział Qin. “To, co robię, to zastępowanie tego procesu rodzajem czarnej skrzynki, która może produkować dokładne przewidywania bez użycia tradycyjnej teorii lub prawa.”

Program komputerowy

Program komputerowy opracowany przez Qin opiera się na danych z przeszłych obserwacji dotyczących orbity Ziemi, Marsa, Merkurego, Wenus, Jowisza i planety karłowatej Ceres. Wraz z “serwerowym algorytmem” można dokładnie przewidywać orbity innych planet, wszystko to bez użycia praw ruchu i grawitacji Newtona.

“Podstawowo ominąłem wszystkie podstawowe składniki fizyki. Idę bezpośrednio od danych do danych”, powiedział Qin. “Nie ma prawa fizyki pośrodku.”

Joshua Burby jest fizykiem w DOE’s Los Alamos National Laboratory. Otrzymał stopień doktora pod kierunkiem Qin.

“Hong nauczył program podstawowej zasady używanej przez naturę do określania dynamiki każdego układu fizycznego”, powiedział Burby. “Wynagrodzenie jest takie, że sieć uczy się praw ruchu planetarnego po zobaczeniu bardzo niewielu przykładów szkoleniowych. Innymi słowy, jego kod naprawdę ‘uczy się’ praw fizyki.”

Eksperymenty fuzyjne

Te zasady i teorie są teraz adaptowane przez Qi i Erica Palmerduca, który jest studentem w Princeton University Program in Plasma Physics. Para próbuje użyć ich do przewidywania zachowania cząstek plazmy w eksperymentach fuzyjnych, które odbywają się na całym świecie.

Fuzyjne połączenie lekkich pierwiastków w postaci plazmy jest źródłem mocy słońca i gwiazd. Plazma stanowi 99% widzialnego wszechświata i ma potencjał do produkcji ogromnych ilości energii. Jeśli naukowcy mogą odtworzyć fuzyjną reakcję na Ziemi, dostarczyłoby to nieograniczone źródło energii do produkcji prądu.

“W urządzeniu fuzyjnym z użyciem pola magnetycznego dynamika plazmy jest złożona i wieloskalowa, a skuteczne prawa rządzące lub modele komputacyjne dla konkretnego procesu fizycznego, który nas interesuje, nie zawsze są jasne”, powiedział Qin. “W takich sytuacjach możemy zastosować technikę uczenia maszynowego, którą opracowałem, aby stworzyć teorię pola dyskretnego, a następnie zastosować tę teorię pola dyskretnego, aby zrozumieć i przewidzieć nowe obserwacje eksperymentalne.”

Naukowcy również wierzą, że ta nowa technika może doprowadzić do opracowania tradycyjnej teorii fizycznej.

Chociaż w pewnym sensie ta metoda wyklucza potrzebę takiej teorii, można ją również uznać za ścieżkę do niej”, powiedział Palmerduca. “Kiedy próbujesz wywnioskować teorię, chciałbyś mieć jak najwięcej danych do dyspozycji. Jeśli otrzymasz jakieś dane, możesz użyć uczenia maszynowego, aby wypełnić luki w tych danych lub w inny sposób rozszerzyć zestaw danych.”