Нова вештачка интелигенција могла би да открије скривене физичке законе

Истраживачи са Универзитета Кобе и Универзитета Осака развили су нову технологију вештачке интелигенције (АИ) која би могла да открије скривене физичке законе. АИ може да издвоји скривене једначине кретања из редовних података посматрања, који се затим користе за креирање модела заснованог на законима физике. 

Нови развој могао би омогућити стручњацима да открију скривене једначине кретања иза феномена који су необјашњиви. 

У истраживачком тиму су били ванредни професор Иагуцхи Такахару и др. студент Чен Јухан са Универзитета Кобе, као и ванредни професор Мацубара Такаши са Универзитета у Осаки.

Истраживање је представљено прошлог месеца на Тридесет пета конференција о системима за обраду неуронских информација (НеурлПС2021).

Предвиђање физичких појава 

Да би направили предвиђања о физичким појавама, стручњаци се обично ослањају на симулације са суперкомпјутерима. У симулацијама се користе математички модели засновани на законима физике, али резултати могу бити непоуздани ако је модел упитан. Због тога је кључно имати метод за производњу поузданих модела из података посматрања феномена. 

Ново истраживање развило је метод откривања нових једначина кретања у подацима посматрања. Претходна истраживања су се фокусирала на откривање једначина кретања из података, али нека су захтевала да подаци буду у одговарајућем формату. Проблем је у томе што постоји много случајева у којима стручњаци не знају најбољи формат података за употребу, па је тешко применити реалистичне податке.

Осветљавање непознатих геометријских својстава 

Истраживачи су се позабавили овим изазовом осветљавањем непознатих геометријских својстава иза феномена. То им је омогућило да развију вештачку интелигенцију која може да пронађе ова геометријска својства у подацима. Ако АИ може да издвоји једначине кретања из података, онда би се једначине могле користити за креирање модела и симулација које прате физичке законе. 

Физичке симулације се одвијају у областима као што су временска прогноза, откривање лекова и дизајн аутомобила. Међутим, обично захтевају опсежне прорачуне. Ако АИ може да учи из података специфичних феномена, као и да конструише моделе малих размера користећи нову методу, онда би прорачуни могли бити поједностављени, убрзани и верни законима физике. 

Метода би се такође могла применити на области које нису повезане са физиком, омогућавајући физичка истраживања и симулације за феномене за које се раније сматрало да је немогуће објаснити. Један такав пример је да би се могао користити за проналажење скривене једначине кретања у подацима о животињској популацији која показује промену у броју јединки, што би могло помоћи да се пружи увид у одрживост екосистема.