ใหม่ AI ที่ค้นพบกฎทางกายภาพที่ซ่อนอยู่

นักวิจัยจากมหาวิทยาลัยโคเบะและมหาวิทยาลัยโอซาก้าได้พัฒนาเทคโนโลยี AI ใหม่ที่สามารถค้นพบกฎทางกายภาพที่ซ่อนอยู่ได้ AI สามารถถอดรหัสสมการของการเคลื่อนที่ที่ซ่อนอยู่จากข้อมูลการสังเกตการณ์ปกติ ซึ่งจะใช้ในการสร้างแบบจำลองตามกฎของฟิสิกส์

การพัฒนานี้สามารถช่วยให้ chuyên家ค้นพบสมการของการเคลื่อนที่ที่ซ่อนอยู่เบื้องหลังปรากฏการณ์ที่ไม่สามารถอธิบายได้

ทีมวิจัยประกอบด้วย Associate Professor Yaguchi Takaharu และนักศึกษาระดับ博士 Chen Yuhan จากมหาวิทยาลัยโคเบะ และ Associate Professor Matsubara Takashi จากมหาวิทยาลัยโอซาก้า

การวิจัยนี้ได้นำเสนอไปเมื่อเดือนที่แล้วที่ การประชุมที่ 35 ของระบบประมวลผลข้อมูลประสาท (NeurlPS2021)

การคาดการณ์ปรากฏการณ์ทางกายภาพ

เพื่อคาดการณ์ปรากฏการณ์ทางกายภาพ ผู้เชี่ยวชาญมักจะพึ่งพาการจำลองด้วยซูเปอร์คอมพิวเตอร์ การจำลองเหล่านี้ใช้แบบจำลองทางคณิตศาสตร์ตามกฎของฟิสิกส์ แต่ผลลัพธ์อาจไม่น่าเชื่อถ้าแบบจำลองนั้นไม่ถูกต้อง ซึ่งเป็นเหตุผลที่ต้องมีวิธีการสร้างแบบจำลองที่เชื่อถือได้จากข้อมูลการสังเกตการณ์ของปรากฏการณ์

การวิจัยใหม่นี้ได้พัฒนาวิธีการค้นพบสมการของการเคลื่อนที่ใหม่ในข้อมูลการสังเกตการณ์ การวิจัยก่อนหน้านี้ได้เน้นไปที่การค้นพบสมการของการเคลื่อนที่จากข้อมูล แต่บางส่วนต้องการให้ข้อมูลอยู่ในรูปแบบที่เหมาะสม ปัญหาก็คือมีหลายกรณีที่ผู้เชี่ยวชาญไม่รู้ว่ารูปแบบข้อมูลที่ดีที่สุดคืออะไร จึงยากที่จะนำข้อมูลที่แท้จริงมาใช้

การทำให้ทรัพย์สินเรขาคณิตที่ไม่รู้จักชัดเจน

นักวิจัยได้กล่าวถึงความท้าทายนี้โดยการทำให้ทรัพย์สินเรขาคณิตที่ไม่รู้จักชัดเจนเบื้องหลังปรากฏการณ์ ซึ่งช่วยให้พวกเขาได้พัฒนา AI ที่สามารถค้นหาทรัพย์สินเรขาคณิตเหล่านี้ในข้อมูลได้ หาก AI สามารถถอดรหัสสมการของการเคลื่อนที่จากข้อมูลได้ สมการเหล่านั้นสามารถใช้ในการสร้างแบบจำลองและจำลองการทดลองตามกฎของฟิสิกส์

การจำลองทางกายภาพเกิดขึ้นในหลายสาขา เช่น การพยากรณ์อากาศ การค้นพบยา และการออกแบบรถยนต์ แต่การจำลองเหล่านี้มักต้องการการคำนวณอย่างมาก หาก AI สามารถเรียนรู้จากข้อมูลของปรากฏการณ์เฉพาะและสร้างแบบจำลองขนาดเล็กโดยใช้วิธีการใหม่นี้ การคำนวณเหล่านั้นสามารถทำให้ง่ายขึ้น เร็วขึ้น และเชื่อถือได้ตามกฎของฟิสิกส์

วิธีการนี้ยังสามารถนำไปใช้กับสาขาอื่นที่ไม่เกี่ยวข้องกับฟิสิกส์ ทำให้สามารถทำการวิจัยและจำลองการทดลองตามความรู้ของฟิสิกส์สำหรับปรากฏการณ์ที่เคยถือว่าไม่สามารถอธิบายได้ ตัวอย่างเช่น สามารถใช้ในการค้นหาสมการของการเคลื่อนที่ที่ซ่อนอยู่ในข้อมูลประชากรสัตว์ป่า ซึ่งสามารถช่วยให้เข้าใจถึงความยั่งยืนของระบบนิเวศได้