Искусственный интеллект учится законам физики

В том, что является монументальным моментом как в области искусственного интеллекта, так и в физике, нейронная сеть “переоткрыла” тот факт, что Земля обращается вокруг Солнца. Это новое развитие может быть критически важным для решения проблем квантовой механики, и исследователи надеются, что оно может быть использовано для открытия новых законов физики путем выявления закономерностей в больших наборах данных.

Нейронная сеть, названная SciNet, была обучена на измерениях, показывающих, как Солнце и Марс выглядят с Земли. Ученые в Швейцарском федеральном технологическом институте затем поручили SciNet предсказать, где Солнце и Марс будут находиться в разные моменты времени в будущем.

Исследование будет опубликовано в Physical Review Letters.

Разработка алгоритма

Команда, включая физика Ренато Реннера, поставила цель сделать алгоритм способным извлекать из больших наборов данных основные формулы. Это та же система, которую используют физики при создании уравнений. Для этого исследователи должны были основать нейронную сеть на человеческом мозге.

Формулы, сгенерированные SciNet, помещают Солнце в центр нашей солнечной системы. Одним из замечательных аспектов этого исследования было то, что SciNet сделал это аналогично тому, как астроном Николай Коперник открыл гелиоцентризм.

Команда подчеркнула это в статье, опубликованной в репозитории препринтов arXiv.

“В XVI веке Коперник измерил углы между далекой неподвижной звездой и несколькими планетами и небесными телами и предположил, что Солнце, а не Земля, находится в центре нашей солнечной системы, и что планеты движутся вокруг Солнца по простым орбитам”, – написала команда. “Это объясняет сложные орбиты, наблюдаемые с Земли.”

Команда попыталась заставить SciNet предсказать движения Солнца и Марса самым простым способом, поэтому SciNet использует две подсети для обмена информацией. Одна из сетей анализирует данные и учится на них, а другая делает прогнозы и проверяет точность на основе этого знания. Поскольку эти сети связаны между собой только несколькими связями, информация сжимается, и связь становится проще.

Традиционные нейронные сети учатся распознавать и идентифицировать объекты через огромные наборы данных и генерируют признаки. Эти признаки затем кодируются в математические “узлы”, которые считаются искусственным эквивалентом нейронов. В отличие от физиков, нейронные сети более непредсказуемы и труднее интерпретируются.

Искусственный интеллект и научные открытия

Одним из тестов было предоставление сети симулированных данных о движении Марса и Солнца, наблюдаемых с Земли. Орбита Марса вокруг Солнца кажется непредсказуемой и часто меняет направление. Это было в XVI веке, когда Николай Коперник открыл, что более простые формулы могут быть использованы для предсказания движений планет, обращающихся вокруг Солнца.

Когда нейронная сеть “открыла” аналогичные формулы для траектории Марса, она переоткрыла одно из наиболее важных знаний в истории.

Марио Кренн – физик в Университете Торонто в Канаде, и он работает над использованием искусственного интеллекта для научных открытий.

SciNet переоткрыла “одно из наиболее важных сдвигов парадигм в истории науки”, – сказал он.

По словам Реннера, людям все еще нужны для интерпретации уравнений и определения того, как они связаны с движением планет вокруг Солнца.

Ход Липсон – робототехник в Университете Колумбии в Нью-Йорке.

“Эта работа важна, потому что она способна выделить ключевые параметры, которые описывают физическую систему”, – говорит он. “Я думаю, что такие техники являются нашей единственной надеждой на понимание и поддержание темпа с все более сложными явлениями в физике и за ее пределами.”