AI lär sig fysikens lagar

I ett banbrytande ögonblick för både AI och fysik har ett neuronnät “återupptäckt” att jorden kretsar kring solen. Den nya utvecklingen kan vara avgörande för att lösa problem inom kvantmekanik, och forskarna hoppas att den kan användas för att upptäcka nya fysiklagar genom att identifiera mönster i stora datamängder.

Neuronnätverket, som heter SciNet, matades med mätningar som visade hur solen och Mars ser ut från jorden. Forskare vid Schweiziska federala tekniska högskolan gav sedan SciNet i uppgift att förutsäga var solen och Mars skulle befinna sig vid olika tidpunkter i framtiden.

Forskningen kommer att publiceras i Physical Review Letters.

Att utforma algoritmen

Teamet, som inkluderar fysikern Renato Renner, satte som mål att göra algoritmen kapabel att destillera stora datamängder till grundläggande formler. Detta är samma system som används av fysiker när de kommer med ekvationer. För att göra detta var forskarna tvungna att basera neuronnätverket på den mänskliga hjärnan.

De formler som genererades av SciNet placerade solen i centrum av vårt solsystem. En av de anmärkningsvärda aspekterna av denna forskning var att SciNet gjorde detta på ett liknande sätt som astronomen Nicolaus Copernicus upptäckte heliocentrismen.

Teamet betonade detta i en artikel som publicerades på förtrycksarkivet arXiv.

“På 1500-talet mätte Copernicus vinklarna mellan en avlägsen fast stjärna och flera planeter och himlakroppar och hypotesiserade att solen, och inte jorden, är i centrum av vårt solsystem och att planeterna rör sig kring solen på enkla banor”, skrev teamet. “Detta förklarar de komplicerade banorna som ses från jorden.”

Teamet försökte få SciNet att förutsäga rörelserna hos solen och Mars på det enklaste möjliga sättet, så SciNet använder två undernätverk för att skicka information fram och tillbaka. Ett av nätverken analyserar data och lär sig av den, och det andra nätverket gör förutsägelser och testar noggrannhet baserat på den kunskapen. Eftersom dessa nätverk är sammankopplade med bara några länkar, komprimeras informationen och kommunikationen är enklare.

Konventionella neuronnät lär sig att identifiera och känna igen objekt genom stora datamängder, och de genererar funktioner. Dessa funktioner kodas sedan i matematiska “noder”, som anses vara den artificiella motsvarigheten till neuroner. Till skillnad från fysiker är neuronnät mer oförutsägbara och svåra att tolka.

Artificiell intelligens och vetenskapliga upptäckter

En av testerna innebar att ge nätverket simulerad data om rörelserna hos Mars och solen, sedda från jorden. Mars bana kring solen verkar oförutsägbar och vänder ofta sin riktning. Det var på 1500-talet som Nicolaus Copernicus upptäckte att enklare formler kunde användas för att förutsäga planeternas rörelser kring solen.

När neuronnätverket “upptäckte” liknande formler för Mars bana, återupptäckte det en av de viktigaste bitarna av kunskap i historien.

Mario Krenn är en fysiker vid University of Toronto i Kanada, och han arbetar med att använda artificiell intelligens för att göra vetenskapliga upptäckter.

SciNet återupptäckte “en av de viktigaste paradigm-skiftningarna i vetenskapens historia”, sa han.

Enligt Renner behövs fortfarande människor för att tolka ekvationerna och bestämma hur de är kopplade till planeternas rörelser kring solen.

Hod Lipson är en robotforskare vid Columbia University i New York City.

“Detta arbete är viktigt eftersom det kan identifiera de viktigaste parametrarna som beskriver ett fysiskt system”, säger han. “Jag tror att dessa typer av tekniker är vår enda hopp om att förstå och hålla jämna steg med alltmer komplexa fenomen, inom fysik och bortom.”