คอมพิวติ้งควอนตัม
AI ใหม่อาจค้นพบกฎฟิสิกส์ที่ซ่อนอยู่
ประเด็นสำคัญAI ใหม่สกัดสมการการเคลื่อนที่ที่ซ่อนอยู่จากข้อมูลเชิงสังเกต
ดูเพิ่มเติม
- AI ใหม่สกัดสมการการเคลื่อนที่ที่ซ่อนอยู่จากข้อมูลเชิงสังเกต
- วิธีการนี้ให้ความกระจ่างเกี่ยวกับคุณสมบัติทางเรขาคณิตที่ไม่รู้จัก เพื่อสร้างแบบจำลองที่สอดคล้องกับฟิสิกส์
- มันอาจทำให้การจำลองในด้านการพยากรณ์อากาศ การค้นพบยา และการออกแบบรถยนต์ง่ายขึ้น
นักวิจัยจากมหาวิทยาลัยโคเบะและมหาวิทยาลัยโอซาก้าได้พัฒนาเทคโนโลยี AI ใหม่ที่สามารถค้นพบกฎทางกายภาพที่ซ่อนอยู่ได้ AI สามารถถอดรหัสสมการของการเคลื่อนที่ที่ซ่อนอยู่จากข้อมูลการสังเกตการณ์ปกติ ซึ่งจะใช้ในการสร้างแบบจำลองตามกฎของฟิสิกส์
การพัฒนานี้สามารถช่วยให้ ผู้เชี่ยวชาญค้นพบสมการของการเคลื่อนที่ที่ซ่อนอยู่เบื้องหลังปรากฏการณ์ที่ไม่สามารถอธิบายได้
ทีมวิจัยประกอบด้วย รองศาสตราจารย์ Yaguchi Takaharu และนักศึกษาปริญญาเอก Chen Yuhan จากมหาวิทยาลัยโคเบะ และ รองศาสตราจารย์ Matsubara Takashi จากมหาวิทยาลัยโอซาก้า
การวิจัยนี้ได้นำเสนอไปเมื่อเดือนที่แล้วที่ การประชุมที่ 35 ของระบบประมวลผลข้อมูลประสาท (NeurIPS2021)
การคาดการณ์ปรากฏการณ์ทางกายภาพ
เพื่อคาดการณ์ปรากฏการณ์ทางกายภาพ ผู้เชี่ยวชาญมักจะพึ่งพาการจำลองด้วยซูเปอร์คอมพิวเตอร์ การจำลองเหล่านี้ใช้แบบจำลองทางคณิตศาสตร์ตามกฎของฟิสิกส์ แต่ผลลัพธ์อาจไม่น่าเชื่อถ้าแบบจำลองนั้นไม่ถูกต้อง ซึ่งเป็นเหตุผลที่ต้องมีวิธีการสร้างแบบจำลองที่เชื่อถือได้จากข้อมูลการสังเกตการณ์ของปรากฏการณ์
การวิจัยใหม่นี้ได้พัฒนาวิธีการค้นพบสมการของการเคลื่อนที่ใหม่ในข้อมูลการสังเกตการณ์ การวิจัยก่อนหน้านี้ได้เน้นไปที่การค้นพบสมการของการเคลื่อนที่จากข้อมูล แต่บางส่วนต้องการให้ข้อมูลอยู่ในรูปแบบที่เหมาะสม ปัญหาก็คือมีหลายกรณีที่ผู้เชี่ยวชาญไม่รู้ว่ารูปแบบข้อมูลที่ดีที่สุดคืออะไร จึงยากที่จะนำข้อมูลที่แท้จริงมาใช้
การทำให้คุณสมบัติทางเรขาคณิตที่ไม่รู้จักชัดเจน
นักวิจัยได้กล่าวถึงความท้าทายนี้โดยการทำให้คุณสมบัติทางเรขาคณิตที่ไม่รู้จักชัดเจนเบื้องหลังปรากฏการณ์ ซึ่งช่วยให้พวกเขาได้พัฒนา AI ที่สามารถค้นหาคุณสมบัติทางเรขาคณิตเหล่านี้ในข้อมูลได้ หาก AI สามารถถอดรหัสสมการของการเคลื่อนที่จากข้อมูลได้ สมการเหล่านั้นสามารถใช้ในการสร้างแบบจำลองและจำลองการทดลองตามกฎของฟิสิกส์
การจำลองทางกายภาพเกิดขึ้นในหลายสาขา เช่น การพยากรณ์อากาศ การค้นพบยา และการออกแบบรถยนต์ แต่การจำลองเหล่านี้มักต้องการการคำนวณอย่างมาก หาก AI สามารถเรียนรู้จากข้อมูลของปรากฏการณ์เฉพาะและสร้างแบบจำลองขนาดเล็กโดยใช้วิธีการใหม่นี้ การคำนวณเหล่านั้นสามารถทำให้ง่ายขึ้น เร็วขึ้น และเชื่อถือได้ตามกฎของฟิสิกส์
วิธีการนี้ยังสามารถนำไปใช้กับสาขาอื่นที่ไม่เกี่ยวข้องกับฟิสิกส์ ทำให้สามารถทำการวิจัยและจำลองการทดลองตามความรู้ของฟิสิกส์สำหรับปรากฏการณ์ที่เคยถือว่าไม่สามารถอธิบายได้ ตัวอย่างเช่น สามารถใช้ในการค้นหาสมการของการเคลื่อนที่ที่ซ่อนอยู่ในข้อมูลประชากรสัตว์ที่แสดงการเปลี่ยนแปลงจำนวนสิ่งมีชีวิต ซึ่งสามารถช่วยให้เข้าใจถึงความยั่งยืนของระบบนิเวศได้












