预测行星轨道的算法可能是无限能源供应的关键

美国能源部普林斯顿等离子体物理实验室（PPPL）的科学家开发了一种计算机算法，可以准确预测太阳系中行星的轨道。它依赖于人工智能（AI）根据以前的经验开发预测。

现在，这个算法的基本原理正在被其他领域所采用，特别是在预测和控制聚变设施中的等离子体方面。这些设施可以在地球上收获聚变能量，这是太阳和星星的动力来源。

Hong Qin 是 PPPL 的物理学家，也是发表在 科学报告上的论文的作者。

“通常在物理学中，你会进行观察，根据这些观察创建一个理论，然后使用这个理论来预测新的观察，”Qin 说。“我正在用一种黑盒子来替换这个过程，这种黑盒子可以在不使用传统理论或定律的情况下产生准确的预测。”

计算机程序

Qin 开发的计算机程序依赖于过去关于地球、火星、水星、金星、木星和矮行星谷神星轨道的观察数据。通过“服务算法”，可以对其他行星的轨道进行准确预测，这一切都没有使用牛顿的运动和重力定律。

“我基本上绕过了物理学的所有基本成分。我直接从数据到数据，”Qin 说。“中间没有物理定律。”

Joshua Burby 是美国能源部洛斯阿拉莫斯国家实验室的物理学家。他在 Qin 的指导下获得了博士学位。

“Hong 教会了程序自然界中决定任何物理系统动力学的基本原理，”Burby 说。“这样，网络可以在看到很少的训练示例后学习行星运动的定律。换句话说，他的代码真正地‘学习’了物理定律。”

聚变实验

这些原理和理论现在正在被 Qi 和 Eric Palmerduca 所采用，后者是普林斯顿大学等离子体物理博士生。他们试图使用这些原理来预测聚变实验中等离子体粒子的行为，这些实验在世界各地进行。

聚变是将轻元素以等离子体的形式结合起来，这是太阳和星星的动力来源。等离子体代表了可见宇宙的 99%，它有可能产生大量的能量。如果科学家们可以在地球上复制聚变，它将为我们提供无限的电力供应。

“在磁约束聚变装置中，等离子体的动力学是复杂和多尺度的，我们感兴趣的特定物理过程的有效定律或计算模型并不总是清楚，”Qin 说。“在这些情况下，我们可以应用我开发的机器学习技术来创建离散场理论，然后应用这个离散场理论来理解和预测新的实验观察。”

科学家们还相信，这种新技术可以开发出传统的物理理论。

虽然在某种意义上，这种方法排除了对这种理论的需求，但它也可以被视为通往理论的途径，”Palmerduca 说。“当你试图推导出一个理论时，你会希望有尽可能多的数据可供使用。如果你给出一些数据，你可以使用机器学习来填补数据中的空白或扩大数据集。”