Naukowcy wykorzystali AI do odkrycia nowych praw fizyki
Fizycy z amerykańskiego Uniwersytetu Emory stworzyli specjalną sieć neuronową sztucznej inteligencji, która pomogła zmienić wiedzę, jaka przez lata kształtowała znane naukowcom prawa fizyki w zakresie kosmicznej plazmy.

Spis treści:
Model AI do poszukiwania tajemnic fizyki
Fizycy wykorzystali metodę uczenia maszynowego do zidentyfikowania zaskakujących praw dotyczących plazmy pyłowej. To gorący, zjonizowany gaz, wypełniony dodatkowo drobnymi cząsteczkami pyłu. Można znaleźć go zarówno na krańcach znanego nam wszechświata, jak i na Ziemi.
Niemniej naukowcy od lat nie byli w stanie poznać jakie siły oddziałują na siebie w plazmie pyłowej. Wynika to z faktu, że cząstki w niej zachowują się w sposób niewzajemny, co oznacza, że siła, jaką jedna cząstka wywiera na drugą, niekoniecznie jest odwzajemniana.
Do lepszego zrozumienia sił w plazmie pyłowej naukowcy z Uniwersytetu Emory stworzyli zaawansowany system obrazowania 3D, aby obserwować, jak cząsteczki pyłu poruszają się wewnątrz komory wypełnionej plazmą. W eksperymentach użyli lasera, aby uchwycić tysiące drobnych ruchów cząstek.
Wtedy pokusili się też o wykorzystanie do pomocy AI...ale w bardzo nieoczywisty sposób. Zebrane trajektorie zostały bowiem użyte do wytrenowania niestandardowej sieci neuronowej. W przeciwieństwie do większości modeli sztucznej inteligencji, które wymagają ogromnych zbiorów danych, sieć zespołu z Uniwersytetu Emory została wytrenowana na małym, ale bogatym zbiorze danych ze wbudowanymi regułami fizycznymi, takimi jak uwzględnianie grawitacji, oporu i sił cząstek na siebie.
Wieloletnia wiedza do zmiany!
Sieć neuronowa podzieliła ruch cząstek na trzy komponenty: efekty prędkości (takie jak opór), siły środowiskowe (takie jak grawitacja) i siły międzycząsteczkowe. Pozwoliło to sztucznej inteligencji nauczyć się złożonych zachowań przy jednoczesnym przestrzeganiu podstawowych zasad fizyki.
W rezultacie model odkrył precyzyjne opisy sił niewzajemnych z ponad 99 procentową dokładnością. Jednym z zaskakujących spostrzeżeń było to, że gdy jedna cząstka będąca "na przodzie", przyciąga do siebie cząstkę podążającą za nią, to cząstka podążająca odpycha lidera.

Jednak największym odkryciem modelu AI było zaprzeczenie hipotezom na temat założeń co do plazmy pyłowej. Jedną z nich było to, że ładunek elektryczny cząstki wzrasta dokładnie wraz z jej rozmiarem. Okazuje się jednak, że ta zależność zależy od gęstości i temperatury otaczającej plazmy.
Innym założeniem skorygowanym przez AI było to, że siła między cząstkami zawsze maleje wykładniczo wraz z odległością, niezależnie od ich wielkości. Okazało się jednak, że spadek siły cząstek w plazmie pyłowej faktycznie zależy również od ich rozmiaru.
"Pokazaliśmy, że możemy wykorzystać sztuczną inteligencję do odkrywania nowej fizyki"
Fizycy z Uniwersytetu Emory traktują swoje badania jako punkt wyjścia do kolejnych, być może rewolucyjnych prac o prawach dynamiki szerokiej gamy elementów składających się z wielu cząstek. Ich praca jest także jednym z niewielu przypadków wykorzystania sztucznej inteligencji nie jako narzędzia do przetwarzania danych, ale do odkrywania nowych prawd rządzących naszym światem. Tym samym może się przed nami otwierać nowy rozdział badań, gdzie sztuczna inteligencja będzie wspierać nas w poznawaniu prawd fizyki i być może w korygowaniu starych błędów.
- Pokazaliśmy, że możemy wykorzystać sztuczną inteligencję do odkrywania nowej fizyki. Nasza metoda sztucznej inteligencji nie jest zupełną niewiadomą. Rozumiemy, jak i dlaczego działa. Ramy, które zapewnia, są również uniwersalne. Potencjalnie można ją zastosować do innych układów wieloczłonowych - stwierdził Justin Burton, jeden z autorów badania i profesor na Uniwersytecie Emory.
Badanie opublikowano w czasopiśmie Proceedings of the National Academy of Sciences.