Ученые использовали ИИ для обнаружения новых законов физики – и это сработало

Исследователи из Университета Эмори в Атланте сделали то, что раньше казалось невозможным – обучили искусственный интеллект самостоятельно открывать законы физики. Вместо обычного предсказания результатов или обработки данных, нейросеть обнаружила ранее неизвестные силы в загадочном состоянии материи.

Команда загрузила в ИИ-модель экспериментальные данные о пылевой плазме – горячем электрически заряженном газе с крошечными частицами пыли. Результат превзошел ожидания – система выдала удивительно точные описания странных сил, которые десятилетиями ставили физиков в тупик.

Джастин Бертон, один из авторов исследования и профессор Эмори отметил:

Мы показали, что можем использовать ИИ для открытия новой физики. Наш метод ИИ не черный ящик – мы понимаем, как и почему он работает. Предоставляемая им структура также универсальна. Она потенциально может применяться к другим многочастичным системам для открытия новых путей исследования.

Пылевая плазма встречается по всей вселенной – от колец Сатурна и поверхности Луны до дыма лесных пожаров на Земле. Несмотря на космическое присутствие, точные силы, действующие между частицами в пылевой плазме, оставались загадкой. Система ведет себя невзаимным образом – сила, которую одна частица прикладывает к другой, не обязательно возвращается обратно.

Традиционная физика оказалась бессильна перед такими взаимодействиями. Для понимания взаимодействия ученые построили сложную 3D-систему визуализации для наблюдения за движением пластиковых частиц пыли внутри камеры, заполненной плазмой. А лазерный и высокоскоростная камера захватывали тысячи крошечных движений частиц в трех измерениях.

Эти детальные траектории использовались для обучения специальной нейросети. В отличие от большинства моделей ИИ, требующих огромные наборы данных, сеть команды Эмори обучалась на небольшом, но богатом датасете. В архитектуру заложили физические правила – учет гравитации, сопротивления и межчастичных сил.

Илья Неменман, старший автор исследования, объяснил:

"Когда вы исследуете что-то новое, у вас нет большого количества данных для обучения ИИ. Это означало, что нам нужно было разработать нейронную сеть, которая могла бы обучаться на небольшом объеме данных и все равно узнавать что-то новое.

Нейросеть разложила движение частиц на три компонента – эффекты скорости вроде сопротивления, силы окружающей среды такие как гравитация, и межчастичные силы. Это позволило ИИ изучать сложное поведение, соблюдая базовые принципы физики.

Результат впечатляет – точные описания невзаимных сил с точностью более 99%. Одно из удивительных открытий – когда одна частица ведет, она притягивает следующую за ней, но ведомая частица отталкивает лидера. Такое асимметричное взаимодействие подозревалось, но никогда раньше не моделировалось четко.

ИИ также исправил ошибочные предположения, формировавшие теорию плазмы годами.

Что еще интереснее, мы показываем, что некоторые общие теоретические предположения об этих силах не совсем точны. Мы можем исправить эти неточности, так как теперь видим происходящее в деталях.

Например, одно предположение гласило, что электрический заряд частицы увеличивается точно пропорционально размеру. Оказалось, это не так. Отношение зависит от плотности и температуры окружающей плазмы.

Другая ошибочная идея – сила между частицами всегда уменьшается экспоненциально с расстоянием независимо от размера частиц. ИИ показал, что падение также зависит от размера частиц, что ранее упускали физики.

Самое удивительное – модель ИИ работала на обычном настольном компьютере. Она создала универсальную структуру, применимую ко всем видам многочастичных систем – от смесей красок до мигрирующих клеток в живых организмах.

При всех разговорах о том, как ИИ революционизирует науку, есть очень мало примеров, где что-то фундаментально новое было найдено напрямую системой ИИ.

Команда надеется, что работа вдохновит ученых исследовать другие способы применения ИИ для пользы науки и общества.

Работа опубликована в журнале PNAS.