Nowy AI może odkryć ukryte prawa fizyki

Naukowcy z Uniwersytetu Kobe i Uniwersytetu Osaka opracowali nową technologię sztucznej inteligencji (AI), która może odkryć ukryte prawa fizyki. AI może wyodrębnić ukryte równania ruchu z regularnych danych obserwacyjnych, które są następnie wykorzystywane do stworzenia modelu opartego na prawach fizyki.

Nowy rozwój może umożliwić ekspertom odkrycie ukrytych równań ruchu za zjawiskami, które są nie do wyjaśnienia.

W zespole badawczym znaleźli się associate professor Yaguchi Takaharu oraz doktorant Chen Yuhan z Uniwersytetu Kobe, a także associate professor Matsubara Takashi z Uniwersytetu Osaka.

Badania zostały przedstawione w zeszłym miesiącu na Trzydziestym piątym Konferencji na temat Przetwarzania Informacji Neuronowej (NeurlPS2021).

Przewidywanie zjawisk fizycznych

Aby przewidzieć zjawiska fizyczne, eksperci zwykle polegają na symulacjach z użyciem superkomputerów. Symulacje wykorzystują modele matematyczne oparte na prawach fizyki, ale wyniki mogą być niewiarygodne, jeśli model jest wątpliwy. Dlatego jest niezwykle ważne, aby mieć metodę wytwarzania niezawodnych modeli z danych obserwacyjnych zjawisk.

Nowe badania opracowały metodę odkrywania nowych równań ruchu w danych obserwacyjnych. Poprzednie badania koncentrowały się na odkrywaniu równań ruchu z danych, ale niektóre wymagały, aby dane były w odpowiednim formacie. Problem polega na tym, że istnieje wiele przypadków, w których eksperci nie wiedzą, jaki jest najlepszy format danych, więc trudno jest zastosować realistyczne dane.

Oświetlanie nieznanych właściwości geometrycznych

Naukowcy rozwiązali ten problem, oświetlając nieznane właściwości geometryczne za zjawiskami. Umożliwiło to im opracowanie AI, która może znaleźć te właściwości w danych. Jeśli AI może wyodrębnić równania ruchu z danych, to równania mogą być wykorzystane do stworzenia modeli i symulacji, które podążają za prawami fizyki.

Symulacje fizyczne odbywają się w dziedzinach takich jak przewidywanie pogody, odkrywanie leków i projektowanie samochodów. Jednak zwykle wymagają obszernych obliczeń. Jeśli AI może nauczyć się z danych konkretnych zjawisk, a także zbudować małe modele przy użyciu nowej metody, to obliczenia mogą być uproszczone, przyspieszone i zgodne z prawami fizyki.

Metoda ta może być również stosowana w dziedzinach niezwiązanych z fizyką, umożliwiając badania i symulacje oparte na wiedzy fizycznej dla zjawisk, które wcześniej były uważane za niemożliwe do wyjaśnienia. Przykładem może być użycie jej do znalezienia ukrytego równania ruchu w danych populacji zwierząt, które pokazuje zmianę liczby osobników, co mogłoby pomóc w uzyskaniu wglądu w zrównoważoność ekosystemu.