Robotikere opdager alternativ fysik

Energi, masse, hastighed. Disse tre variabler udgør Einsteins ikoniske ligning E=MC ² . Men hvordan vidste Einstein om disse begreber i første omgang? Et forløbertrin til forståelse af fysik er at identificere relevante variabler. Uden begrebet energi, masse og hastighed kunne ikke engang Einstein opdage relativitet. Men kan sådanne variable opdages automatisk? At gøre det kunne i høj grad fremskynde videnskabelig opdagelse.

Dette er spørgsmålet, som forskere ved Columbia Engineering stillede til et nyt AI-program. Programmet blev designet til at observere fysiske fænomener gennem et videokamera og derefter prøve at søge efter det minimale sæt af fundamentale variabler, der fuldt ud beskriver den observerede dynamik. Undersøgelsen blev offentliggjort den 25. juli i Nature Computational Science .

Forskerne begyndte med at fodre systemet med rå videooptagelser af fænomener, som de allerede kendte svaret på. For eksempel fodrede de en video af et svingende dobbeltpendul, der vides at have præcis fire "tilstandsvariable" - vinklen og vinkelhastigheden for hver af de to arme. Efter et par timers analyse frembragte AI svaret:4.7.

"Vi troede, at dette svar var tæt nok på," sagde Hod Lipson, direktør for Creative Machines Lab i Department of Mechanical Engineering, hvor arbejdet primært blev udført. "Især da alt, hvad AI havde adgang til, var rå videooptagelser uden kendskab til fysik eller geometri. Men vi ville gerne vide, hvad variablerne faktisk var, ikke kun deres antal."

Forskerne fortsatte derefter med at visualisere de faktiske variabler, som programmet identificerede. Det var ikke let at udtrække variablerne i sig selv, da programmet ikke kan beskrive dem på nogen intuitiv måde, der ville være forståelig for mennesker. Efter lidt sondering viste det sig, at to af de variabler, programmet valgte, svarede løst til vinklerne på armene, men de to andre forbliver et mysterium.

"Vi prøvede at korrelere de andre variable med alt og hvad vi kunne tænke på:vinkel- og lineære hastigheder, kinetisk og potentiel energi og forskellige kombinationer af kendte størrelser," forklarede Boyuan Chen Ph.D., nu assisterende professor ved Duke University, der ledede arbejdet. "Men intet så ud til at passe perfekt." Holdet var overbevist om, at AI havde fundet et gyldigt sæt af fire variabler, da det lavede gode forudsigelser, "men vi forstår endnu ikke det matematiske sprog, det taler," forklarede han.

Efter at have valideret en række andre fysiske systemer med kendte løsninger, fodrede forskerne videoer af systemer, som de ikke kendte det eksplicitte svar på. De første videoer indeholdt en "luftdanser", der bølgede foran en lokal brugtvognsplads. Efter et par timers analyse returnerede programmet otte variable. En video af en lavalampe producerede også otte variabler. De fodrede derefter et videoklip af flammer fra en feriepejsløkke, og programmet returnerede 24 variabler.

Et særligt interessant spørgsmål var, om variabelsættet var unikt for hvert system, eller om der blev produceret et andet sæt, hver gang programmet blev genstartet.

"Jeg har altid spekuleret på, hvis vi nogensinde har mødt en intelligent alien race, ville de have opdaget de samme fysiklove, som vi har, eller kunne de beskrive universet på en anden måde?" sagde Lipson. "Måske virker nogle fænomener gådefuldt komplekse, fordi vi forsøger at forstå dem ved hjælp af det forkerte sæt af variabler. I eksperimenterne var antallet af variabler det samme, hver gang AI genstartede, men de specifikke variable var forskellige hver gang. Så ja, der er alternative måder at beskrive universet på, og det er meget muligt, at vores valg ikke er perfekte."

Forskerne mener, at denne form for kunstig intelligens kan hjælpe videnskabsmænd med at afdække komplekse fænomener, for hvilke teoretisk forståelse ikke holder trit med syndfloden af ​​data - områder lige fra biologi til kosmologi. "Mens vi brugte videodata i dette arbejde, kunne enhver form for array-datakilde bruges - radar-arrays eller DNA-arrays, for eksempel," forklarede Kuang Huang, Ph.D., som var medforfatter til papiret.

Arbejdet er en del af Lipson og Fu Foundation professor i matematik Qiang Dus årtier lange interesse i at skabe algoritmer, der kan destillere data til videnskabelige love. Tidligere softwaresystemer, såsom Lipson og Michael Schmidts Eureqa-software, kunne destillere friformede fysiske love fra eksperimentelle data, men kun hvis variablerne var identificeret på forhånd. Men hvad hvis variablerne endnu er ukendte?

Lipson, som også er James og Sally Scapa professor i innovation, hævder, at videnskabsmænd muligvis fejlfortolker eller ikke forstår mange fænomener, simpelthen fordi de ikke har et godt sæt variabler til at beskrive fænomenerne.

"I årtusinder vidste folk om objekter, der bevægede sig hurtigt eller langsomt, men det var først, da begrebet hastighed og acceleration formelt blev kvantificeret, at Newton kunne opdage sin berømte lov om bevægelse F=MA," bemærkede Lipson. Variabler, der beskriver temperatur og tryk, skulle identificeres, før termodynamikkens love kunne formaliseres, og så videre for hvert hjørne af den videnskabelige verden. Variablerne er en forløber for enhver teori.

"Hvilke andre love mangler vi, simpelthen fordi vi ikke har variablerne?" spurgte Du, som var med til at lede arbejdet.

Papiret var også medforfatter af Sunand Raghupathi og Ishaan Chandratreya, som hjalp med at indsamle data til eksperimenterne. + Udforsk yderligere

Astronomer opdager snesevis af nye variable stjerner