人工智能自主学习物理定律

在人工智能和物理学领域，一个具有里程碑意义的时刻已经到来，一个神经网络已经“重新发现”地球围绕太阳公转的规律。这一新进展可能在解决量子力学问题方面起到关键作用，研究人员希望它能够通过识别大数据集中的模式来发现新的物理定律。

名为SciNet的神经网络，被输入了太阳和火星从地球上观察到的运动数据。瑞士联邦理工学院的科学家们然后要求SciNet预测太阳和火星在未来不同时间的位置。

该研究结果将发表在物理评论快报上。

算法设计

研究团队，包括物理学家Renato Renner，在设计算法时，旨在使其能够从大数据集中提取基本公式。这是物理学家在推导方程时使用的相同系统。为了实现这一点，研究人员必须以人类大脑为基础设计神经网络。

SciNet生成的公式将太阳置于太阳系的中心。该研究的一个显著方面是，SciNet以与天文学家尼古拉·哥白尼发现日心说类似的方式实现了这一点。

研究团队在预印本仓库arXiv上发表的论文中强调了这一点。

“在16世纪，哥白尼通过测量遥远的固定星星和行星、天体之间的角度，假设太阳而不是地球是太阳系的中心，行星围绕太阳以简单的轨道运行，”团队写道。“这解释了从地球上观察到的复杂的轨道。”

研究团队尝试让SciNet以最简单的方式预测太阳和火星的运动，因此SciNet使用两个子网络来相互发送信息。一个网络分析数据并从中学习，另一个网络根据该知识进行预测并测试准确性。由于这些网络仅通过几个链接相互连接，信息被压缩，通信变得更简单。

传统的神经网络通过大量数据集学习识别和识别对象，并生成特征。这些特征被编码在数学“节点”中，被认为是人工神经元的等价物。与物理学家不同，神经网络更难预测和解释。

人工智能与科学发现

其中一个测试涉及给网络模拟数据，关于火星和太阳从地球上观察到的运动。火星围绕太阳的轨道似乎不可预测，经常改变方向。在16世纪，尼古拉·哥白尼发现，简单的公式可以用来预测行星围绕太阳的运动。

当神经网络“发现”了火星轨迹的类似公式时，它重新发现了历史上最重要的知识之一。

马里奥·克伦是加拿大多伦多大学的一名物理学家，他从事使用人工智能进行科学发现的工作。

SciNet重新发现了“科学史上最重要的范式转变之一”，他说。

根据雷纳的说法，人类仍然需要解释方程并确定它们如何与行星围绕太阳的运动相关联。

霍德·利普森是美国哥伦比亚大学的一名机器人专家。

“这项工作很重要，因为它能够找出描述物理系统的关键参数，”他说。“我认为，这种技术是我们理解和跟上日益复杂的现象的唯一希望，无论是在物理学还是其他领域。”