AI mới có thể khám phá các định luật vật lý ẩn giấu

Các nhà nghiên cứu tại Đại học Kobe và Đại học Osaka đã phát triển một công nghệ trí tuệ nhân tạo (AI) mới có thể khám phá ra các quy luật vật lý ẩn giấu. AI có thể trích xuất các phương trình chuyển động ẩn từ dữ liệu quan sát thông thường, sau đó được sử dụng để tạo mô hình dựa trên các định luật vật lý. 

Sự phát triển mới có thể cho phép các chuyên gia khám phá các phương trình chuyển động ẩn đằng sau các hiện tượng không thể giải thích được. 

Nhóm nghiên cứu bao gồm Phó Giáo sư Yaguchi Takaharu và Ph.D. sinh viên Chen Yuhan từ Đại học Kobe, cũng như Phó Giáo sư Matsubara Takashi từ Đại học Osaka.

Nghiên cứu đã được trình bày vào tháng trước tại Hội nghị lần thứ 2021 về Hệ thống xử lý thông tin thần kinh (NeurlPSXNUMX).

Dự đoán hiện tượng vật lý 

Để đưa ra dự đoán về các hiện tượng vật lý, các chuyên gia thường dựa vào mô phỏng bằng siêu máy tính. Mô phỏng sử dụng các mô hình toán học dựa trên các định luật vật lý, nhưng kết quả có thể không đáng tin cậy nếu mô hình có vấn đề. Đây là lý do tại sao điều quan trọng là phải có một phương pháp tạo ra các mô hình đáng tin cậy từ dữ liệu quan sát của các hiện tượng. 

Nghiên cứu mới đã phát triển một phương pháp khám phá các phương trình chuyển động mới trong dữ liệu quan sát. Nghiên cứu trước đây đã tập trung vào việc khám phá các phương trình chuyển động từ dữ liệu, nhưng một số yêu cầu dữ liệu phải ở định dạng phù hợp. Vấn đề là có nhiều trường hợp các chuyên gia không biết định dạng dữ liệu tốt nhất để sử dụng, vì vậy rất khó áp dụng dữ liệu thực tế.

Chiếu sáng các thuộc tính hình học chưa biết 

Các nhà nghiên cứu đã giải quyết thách thức này bằng cách làm sáng tỏ các tính chất hình học chưa biết đằng sau các hiện tượng. Điều này cho phép họ phát triển một AI có thể tìm thấy các thuộc tính hình học này trong dữ liệu. Nếu AI có thể trích xuất các phương trình chuyển động từ dữ liệu, thì các phương trình đó có thể được sử dụng để tạo các mô hình và mô phỏng tuân theo các định luật vật lý. 

Mô phỏng vật lý diễn ra trong các lĩnh vực như dự báo thời tiết, khám phá thuốc và thiết kế ô tô. Tuy nhiên, họ thường yêu cầu tính toán rộng rãi. Nếu AI có thể học hỏi từ dữ liệu của các hiện tượng cụ thể, cũng như xây dựng các mô hình quy mô nhỏ bằng phương pháp mới, thì các phép tính có thể được đơn giản hóa, tăng tốc và trung thành với các định luật vật lý. 

Phương pháp này cũng có thể được áp dụng cho các lĩnh vực không liên quan đến vật lý, cho phép điều tra và mô phỏng dựa trên kiến ​​thức vật lý cho các hiện tượng trước đây được coi là không thể giải thích được. Một ví dụ như vậy là nó có thể được sử dụng để tìm một phương trình chuyển động ẩn trong dữ liệu quần thể động vật cho thấy sự thay đổi về số lượng cá thể, điều này có thể giúp cung cấp hiểu biết sâu sắc về tính bền vững của hệ sinh thái.