محققان از هوش مصنوعی برای کشف قوانین تازه فیزیک منفعت گیری کردند_اسپایدر

پژوهشگران دانشگاه اِموری در آتلانتا، جورجیا یک شبکه عصبی آموزش دادند تا قوانین جدیدی را در فیزیک کشف کند و در کمال شگفتی، این سیستم توانست با پیروزی این کار را انجام دهد.

به نقل از Phys، تیم تحقیقاتی با منفعت گیری از داده‌های تجربی مربوط به حالتی اسرارآمیز از ماده به نام پلاسمای غباری موفق به انجام این دستاورد بی همتا شد. دانشمندان سپس مشاهده کردند که چطور هوش مصنوعی توصیف‌هایی شگفت‌انگیز و دقیق از نیروهای عجیبی اراعه داد که پیش‌تر هیچ زمان به‌طور کامل فهمیدن نشده بودند.

هوش مصنوعی توانست برخی از فرضیات نادرست نظریه پلاسما را اصلاح کند

گسترش این چنین سیستمی مشخص می کند که می‌توان از هوش مصنوعی برای کشف قوانین ناشناخته‌ای منفعت گیری کرد که تعامل ذرات را در یک سیستم کنترل می‌کنند. علاوه‌براین، هوش مصنوعی فرضیات قدیمی در فیزیک پلاسما را اصلاح می‌کند و راه را برای مطالعه سیستم‌های پیچیده و چندذره‌ای به روشهایی کاملاً نوین هموار می‌سازد.

«جاستین برتون»، یکی از نویسندگان این مطالعه و استاد دانشگاه اموری، او گفت: «ما نشان دادیم که می‌توان از هوش مصنوعی برای کشف نکات تازه در فیزیک منفعت گیری کرد. روش ما در هوش مصنوعی یک جعبه سیاه نیست. ما می‌دانیم این سیستم چطور و چرا کار می‌کند. چارچوبی که اراعه می‌دهد نیز قابل‌تعمیم است و می‌تواند به‌طور بالقوه در دیگر سیستم‌های چندذره‌ای به کار رود و مسیرهای تازه‌ای برای کشف باز کند.»

پژوهشگران با ترکیب آزمایش‌های واقعی و یک مدل هوش مصنوعی که با دقت طراحی شده می بود، کار خود را اغاز کردند. آنها مطالعه خود را با پلاسمای غباری کلید زدند. این حالت از ماده در سراسر کیهان، از حلقه‌های زحل و سطح ماه گرفته تا دود ناشی از آتش‌سوزی‌های جنگلی روی زمین، یافت می‌بشود.

با وجود وجود گسترده آن در کیهان، نیروهای دقیقی که بین ذرات در پلاسمای غباری عمل می‌کنند هم چنان به‌درستی فهمیدن نشده‌اند. دلیلش این است که این سیستم رفتاری غیرمتقابل دارد؛ به این معنی که نیرویی که یک ذره بر فرد دیگر داخل می‌کند، الزاماً با نیرویی برابر از سوی ذره دیگر جواب داده نمی‌بشود.

محققان برای مقابله با این چالش، یک سامانه تصویربرداری سه‌بعدی پیشرفته ساختند تا حرکت ذرات ریزپلاستیکی را درون محفظه‌ای پر از پلاسما مشاهده کنند. نتایج این مطالعه سپس برای آموزش یک شبکه عصبی سفارشی منفعت گیری شد. برخلاف اکثر مدل‌های هوش مصنوعی که به داده‌های عظیم نیاز دارند، شبکه ساخته‌شده توسط دانشگاه اموری با مجموعه‌ای از داده‌های کوچک اما غنی آموزش داده شد و به‌طوری طراحی شده می بود که قوانین فیزیکی داخلی همانند گرانش، مقاومت هوا و نیروهای بین‌ذره‌ای را در نظر بگیرد.