Дослідники з Університету Еморі в Атланті навчили нейронну мережу відкривати нові фізичні явища. Вони натренували її на експериментальних даних про таємничу речовину, пилову плазму, і система дала «напрочуд точні описи» її поведінки. Систему запустили на звичайному десктопному PC.
Дослідники з Університету Еморі в Атланті навчили нейронну мережу відкривати нові фізичні явища. Вони натренували її на експериментальних даних про таємничу речовину, пилову плазму, і система дала «напрочуд точні описи» її поведінки. Систему запустили на звичайному десктопному PC.
Як відзначає Interesting Engineering, це дослідження показує, що штучний інтелект може бути використаний для розкриття раніше невідомих законів, які регулюють взаємодію частинок у хаотичній системі.
«Ми показали, що можемо використовувати штучний інтелект для відкриття нової фізики. Наш метод штучного інтелекту не є чорною скринькою: ми розуміємо, як і чому він працює. Структура, яку він забезпечує, також є універсальною. Він потенційно може бути застосований до інших багаточастинкових систем, щоб відкрити нові шляхи для відкриттів», — сказав Джастін Бертон, один з авторів дослідження та професор Еморі.
Пиловою плазмою вчені називають гарячий, зарядженим електрикою газ, наповнений крихітними частинками пил. Цей стан речовини зустрічається у всьому Всесвіті, від кілець Сатурна й поверхні Місяця до диму від лісових пожеж на Землі.
Сили, що діють між частинками в пиловій плазмі, залишаються маловивченими. Це пов’язано з тим, що в цій речовині сила, яку одна частинка чинить на іншу, не обов’язково відповідає силі, що чиниться у відповідь.
Розуміння таких взаємодій за допомогою традиційної фізики виявилося надзвичайно складним. Тому щоб розв’язати цю проблему, вчені створили складну систему 3D-візуалізації для спостереження за рухом пластикових частинок пилу всередині камери, заповненої плазмою. Вони використовували лазерний лист і високошвидкісну камеру, щоб зафіксувати тисячі рухів крихітних частинок у трьох вимірах протягом певного часу.
Ці детальні траєкторії потім використовували для навчання спеціальної нейронної мережі. На відміну від більшості моделей штучного інтелекту, які потребують величезних наборів даних, мережа команди Еморі була навчена на невеликому, але багатому наборі даних і розроблена з вбудованими фізичними правилами, такими як врахування гравітації, опору та сил між частинками.
Нейронна мережа розбила рух частинок на три компоненти: ефекти швидкості (такі як опір), сили навколишнього середовища (такі як гравітація) та сили між частинками. Це дозволило ШІ вивчити складні моделі поведінки, дотримуючись основних принципів фізики.
У результаті було виявлено описи сил в пиловій плазмі з точністю понад 99%. Одним із несподіваних відкриттів стало те, що коли одна частинка рухається попереду, вона тягне за собою іншу, але та, що рухається позаду, відштовхує лідера. Такий вид асиметричної взаємодії раніше припускався, але ніколи не моделювався чітко.
ШІ також виправив деякі помилкові припущення, які формували теорію плазми протягом багатьох років.
«Ще цікавіше те, що ми показали, що деякі поширені теоретичні припущення про ці сили не зовсім точні. Ми можемо виправити ці неточності, тому що тепер бачимо, що відбувається, у найдрібніших деталях», — додав Неменман.
Цікаво, що ця модель ШІ працювала на звичайному настільному комп’ютері. Вона створила універсальну структуру, яку тепер можна застосовувати до всіх видів багаточастинкових систем, від сумішей фарб до міграції клітин у живих організмах.
Раніше фахівці з Nvidia та вчені некомерційної біомедичної дослідницької організації в Пало-Альто Arc Institute представили модель штучного інтелекту Evo 2, яка може не лише ідентифікувати хвороботворні мутації в генах людини, а й створювати нові геноми.
