Нова штучна інтелект могла б відкрити приховані фізичні закони

Нова технологія штучного інтелекту (AI), яка могла б відкрити приховані фізичні закони, була розроблена дослідниками університету Кобе та університету Осаки. Цей AI може видобувати приховані рівняння руху з регулярних спостережувальних даних, які потім використовуються для створення моделі на основі законів фізики. 

Ця нова розробка могла б дозволити експертам відкрити приховані рівняння руху за явищами, які неможливо пояснити. 

До складу дослідницької групи входили доцент Ягучі Такахару та аспірант Чен Юхан з університету Кобе, а також доцент Мацубара Такаші з університету Осаки.

Дослідження було представлено минулого місяця на Тридцять п’ятій конференції з обробки нейронної інформації (NeurlPS2021).

Прогнозування фізичних явищ 

Для прогнозування фізичних явищ експерти зазвичай використовують симуляції на суперкомп’ютерах. Симуляції використовують математичні моделі на основі законів фізики, але результати можуть бути ненадійними, якщо модель сумнівна. Саме тому важливо мати метод отримання надійних моделей з спостережувальних даних явищ. 

Нове дослідження розробило метод відкриття нових рівнянь руху в спостережувальних даних. Попередні дослідження зосереджувалися на відкритті рівнянь руху з даних, але деякі вимагали, щоб дані були у відповідному форматі. Проблема полягає в тому, що існує багато випадків, коли експерти не знають найкращого формату даних для використання, тому складно застосовувати реалістичні дані.

Освітлення невідомих геометричних властивостей 

Дослідники подолали цю проблему, освітивши невідомі геометричні властивості за явищами. Це дозволило їм розробити AI, який може знайти ці геометричні властивості в даних. Якщо AI може видобувати рівняння руху з даних, то ці рівняння можна використовувати для створення моделей та симуляцій, які відповідають фізичним законам. 

Фізичні симуляції відбуваються в галузях, таких як прогнозування погоди, відкриття ліків та проектування автомобілів. Однак вони зазвичай вимагають обширних обчислень. Якщо AI може вивчити дані конкретних явищ, а також побудувати малих масштабів моделі за допомогою нового методу, то обчислення можна спростити, прискорити та зробити вірними законам фізики. 

Цей метод також можна застосовувати в галузях, не пов’язаних з фізикою, що дозволить проводити дослідження та симуляції, засновані на знаннях фізики, для явищ, які раніше вважалися неможливими для пояснення. Одним з таких прикладів є те, що його можна використовувати для знаходження прихованого рівняння руху в даних про популяцію тварин, яке показує зміну кількості особин, що може допомогти надати уявлення про стійкість екосистеми.