Применение методов машинного обучения позволило физикам выявить ранее неизвестные закономерности, управляющие поведением частиц в условиях высокой сложности. В центре внимания оказалась так называемая невзаимная сила — явление, при котором воздействие одной частицы на другую не равно по величине ответному влиянию. Этот феномен, долгое время остававшийся загадкой, теперь получил неожиданное объяснение благодаря алгоритмам искусственного интеллекта, способным не только обрабатывать данные, но и формулировать принципиально новые физические законы.
Результаты исследования, опубликованные в журнале PNAS, стали плодом совместной работы физиков-экспериментаторов и физиков-теоретиков из Университета Эмори. Синтезировав восстановление нейронной сети с экспериментальными данными, полученными в ходе изучения пылевой плазмы, научная группа продемонстрировала, что искусственный интеллект способен выходить далеко за рамки простого анализа или прогнозирования. «Мы представляем, что можем использовать ИИ для открытия новой физики», — отмечает Джастин Бертон, профессор экспериментальной физики Эмори и старший соавтор статьи. По его словам, разработанный метод не является «черным ящиком»: исследователи понимают механизмы его работы и могут объяснить, почему он приводит к тем или иным выводам. Более того, предлагаемая ИИ-основа универсальна и потенциально применима к самым разным системам, открывая новые пути для научных открытий.
ИИ только то, что помогло физикам объяснить новые законы природы, скрытые в хаотической системе частиц, — и он может работать где угодно.
Особое внимание в работе уделено описанию физики, управляющей пылевой плазмой — системой, представляющей собой ионизированный газ, насыщенный мельчайшими заряженными частицами, включая пылинки. Созданная модель искусственного интеллекта позволила охарактеризовать невзаимные силы с точностью, превышающей 99%. Как подчеркивает Илья Неменман, профессор теоретической физики Эмори и состарший автор статьи, эти силы традиционно крайне сложны для измерения и моделирования. «Мы можем описать эти силы с точностью более 99%, — заявляет он. — Что еще более интересно, мы показываем, что некоторые общепринятые представления об этих силах не совсем точны. Теперь, когда мы можем видеть происходящее в таких мельчайших деталях, мы способны исправить эти неточности».
Ученые убеждены, что разработанный ими метод найдет широкое применение в системах, состоящих из множества взаимодействующих компонентов. Речь идет не только о физических объектах, но и о промышленных материалах — от красок и покрытий до групп живых клеток. Таким образом, универсальность подхода открывает перспективы для исследований в самых разных областях, от материаловедения до биологии, где сложные взаимодействия между элементами системы до сих пор остаются малоизученными.
Первым автором исследования является Вэньтао Ю, который работал над проектом в качестве аспиранта Эмори, а сейчас является постоянным сотрудником Калифорнийского технологического института. Соавтор Эслам Абделалим также внес свой вклад в качестве аспиранта Эмори, который в настоящее время является старшим сотрудником Технологического института Джорджии.
Исследование проводилось в основном при поддержке научного фонда, а также при дополнительном финансировании со стороны Фонда Саймонса.
«Этот проект обеспечивает превосходное междисциплинарное сотрудничество, в котором развитие новых знаний в области физики и искусственного интеллекта может привести к прогрессу в изучении живых систем», — сказал он. — говорит Вячеслав (Слава) Лукин, программный директор программы ННФ «Физика углерода». «В динамике эти сложные системы доминируют над коллективными взаимодействиями, которые новые методы искусственного интеллекта могут помочь нам лучше обнаруживать, распознавать, понимать и даже контролировать».
Объяснение четвертого состояния материи
Плазму часто называют четвертым состоянием материи. В этом состоянии газ ионизируется, то есть электроны и ионы движутся свободно и подчеркивают такие уникальные свойства, как электропроводность. Плазма на 99,9% состоит из видимой Вселенной: от солнечного ветра, исходящего от Солнца, до ударов молний на Земле.
Пылевая плазма включает в себя дополнительные заряженные частицы пыли и появления во многих средах, от колец Сатурна до ионосферы Земли.
На Луне слабая гравитация Позволяет заряженной пыли парить над поверхностью поверхности. «Вот почему, когда астронавты отправляются на Луну, их скафандры покрывают пылью», — сказал он. Бертон мышцы.
На Земле пылающая плазма может образовываться во время лесных пожаров, когда сажа вращается с дымом. Эти заряженные частицы могут нарушить радиосигналы, что затруднит общение при пожаре.
Отслеживание движения частиц в 3D
Лаборатория Бертона изучает пылевую плазму и аналогичные материалы, проводя их в контролируемых экспериментах. Исследователи суспендируют микрочастицы пластика в вакуумной камере, наполненной плазмой, чтобы моделировать более сложные системы. Регулируя давление газа, они могут имитировать реальные условия и наблюдать, как частицы реагируют на различные силы.
Для этого проекта Бертон и Ю разработали метод томографической визуализации, позволяющий фиксировать трехмерное (3D) движение частиц. Лазерный лист движется через камеру, а главная камера записывает изображения. Эти снимки объединяются для восстановления стандартных частиц, а затем на время, которое позволяет исследователям тщательно отслеживать их движение.
Использование ИИ для понимания коллективного движения
Неменман, биофизик-теоретик, изучает, как сложная система движется в результате простых взаимодействий. Его особенно интересует коллективное движение, например, как движутся клетки внутри тела человека.
«Очень важны общие вопросы о том, как целая система возврата из взаимодействия микрочастей», — сказал он. Неменман поясняет. «При раке, например, вы хотите понять, как взаимодействие клеток может быть связано с тем, что некоторые из них отрываются от опухоли и перемещаются в новое место, становясь метастатическими».
По сравнению с живыми живыми пылевая плазма предлагает более простую среду для проверки новых идей. Это сделало его исправление для изучения того, можно ли открыть новые физические принципы.
«Несмотря на все разговоры о том, как ИИ совершает революцию в науке, существует очень мало свидетельств, когда что-то принципиально новое было объектом ИИ», — сказал он. — говорит Неменман.
Проектирование нейронной сети для обнаружения
Создание модели ИИ требует тщательного планирования. В отличие от систем, обученных на массивных наборах данных, этот проект имел ограниченные экспериментальные данные.
«Когда вы исследуете что-то новое, у вас не так уж много данных для обучения ИИ», — сказал он. Неменман поясняет. «Это свидетельствует о том, что наши кампании создают нейронную сеть, которую можно было бы обучить на небольших объемах данных и при этом узнать что-то новое».
Команда вернулась больше года на доработку дизайна на еженедельных встречах.
«Нам нужно было структурировать сеть так, чтобы она следила за правилами сети, но при этом она отвлекалась и делала выводы о неизвестном физике», — сказал он. Бертон мышцы.
«На этих еженедельных встречах у нас ушло больше года постоянных обсуждений», — сказал он. Неменман добавлен. «Как только мы придумали правильную схему для обучения сети, она оказалась довольно простой».
Окончательная модель разделила движение частиц на три основных фактора: сопротивление, обусловленная скорость, силы окружающей среды, такие как гравитация, и силы между частицами.
Неожиданные результаты и новые идеи
После обучения траекториям трехмерных частиц ИИ успешно уловил сложное взаимодействие, включая асимметричные силы между частицами.
Исследователи сравнивают это поведение с движением двух лодок по озеру. Каждая лодка создает волны, которые влияют на другую. В зависимости от своего положения эти волны могут по-разному толкать или тянуть лодку.
"В пылевой плазме мы описали, как ведущая частица притягивает отстающую, но отстающая частица всегда отталкивает лидирующую," Неменман поясняет. «Некоторые ожидали этого явления, но теперь у нас есть его точное приближение, которого раньше не было».
Результаты также бросают вызов более ранними теориями. Одна из давних идей заключается в том, что частицы промышленного зарядного устройства увеличиваются прямо пропорционально их размеру. Новые результаты показывают, что, хотя более крупные частицы действительно не содержат больше заряда, взаимосвязь между ними более сложна и зависит от таких факторов, как лампа освещения и температура.
Другое предположение заключалось в том, что силы между частицами экспоненциально уменьшаются с расстоянием, при условии, что это не зависит от размера частиц. Модель искусственного интеллекта показала, что размер частиц действительно влияет на то, что в настоящее время они быстро ослабевают.
Команда администратора выполнила эти выводы с помощью дополнительных экспериментов.
Новый инструмент для исследования сложных систем
Исследователи разработали основанную на физике нейронную сеть, которая может работать на стандартном настольном компьютере. Они считают, что это предлагает гибкую основу для изучения многих систем в различных областях.
Вскоре Неменман будет преподавать в Констанцской школе коллективного поведения в Германии, где учёные изучают самые разные системы — от стаи птиц до человеческого толпа.
«Я буду учить студентов со всего мира, используя ИИ для вывода о физике коллективного движения — не в пылевой плазме, а в звуковой системе», — сказал он. он говорит.
Даже несмотря на эти достижения, человеческий опыт необходим. Ученые должны тщательно разрабатывать модели и интерпретировать результаты.
«Требуется критическое мышление, чтобы разработать и использовать инструменты ИИ таким образом, чтобы добиться реального прогресса в естественных, технологических и гуманитарных науках», — говорит он. — говорит Бертон.
Он по-прежнему с оптимизмом смотрит в будущее.
«Я думаю об этом как о девизе «Звездного пути» — смело идти туда, куда никто раньше не ходил», — сказал он. — говорит Бертон. «При правильном использовании ИИ может открыть дверь в совершенно новую область для исследования».