Физики использовали метод машинного обучения, чтобы выявить неожиданные новые аспекты не взаимных сил, управляющих системой многих тел.
Журнал Proceedings of the National Academy of Sciences опубликовал результаты экспериментальных и теоретических исследований физиков из Университета Эмори, основанные на модели нейронной сети и данных лабораторных экспериментов по пылевой плазме — ионизированному газу, содержащему взвешенные пылевые частицы.
Работа является одним из относительно немногих примеров использования ИИ не как инструмента обработки данных или прогнозирования, а для открытия новых физических законов, управляющих миром природы.
«Мы показали, что можем использовать ИИ для открытия новой физики», — говорит Джастин Бертон, профессор экспериментальной физики в Эмори и старший соавтор статьи. «Наш метод ИИ — это не чёрный ящик: мы понимаем, как и почему он работает. Предоставляемая им структура также универсальна. потенциально может быть применена к другим системам многих тел, чтобы открыть новые пути для открытий».
В статье PNAS представлено наиболее подробное описание физики пылевой плазмы, дающее точные приближения для невзаимных сил.
«Мы можем описать эти силы с точностью более 99%», — говорит Илья Неменман, профессор теоретической физики в Эмори и соавтор статьи. «Ещё более интересно то, что мы показываем, что некоторые общие теоретические предположения об этих силах не совсем точны. Мы можем исправить эти неточности, потому что теперь мы можем видеть, что происходит в таких изысканных деталях».
Исследователи надеются, что их подход с использованием ИИ послужит отправной точкой для вывода законов из динамики широкого спектра систем многих тел, которые состоят из большого числа взаимодействующих частиц. Примеры варьируются от коллоидов — таких как краски, чернила и другие промышленные материалы — до кластеров клеток в живых организмах.
Плазма и пылевая плазма
Плазма — это ионизированный газ, в котором заряженные частицы электронов и ионов свободно перемещаются, создавая уникальные свойства, такие как электропроводность. Известная как четвёртое состояние материи, плазма составляет примерно 99,9% видимой Вселенной, от солнечных ветров, исходящих из короны Солнца, до молний, бьющих по Земле.
Пылевая плазма, которая добавляет заряженные частицы пыли в смесь ионов и электронов, также распространена в космосе и планетарных средах — от колец Сатурна до ионосферы Земли.
Заряженные частицы, парящие над поверхностью Луны из-за слабой гравитации, являются примером пылевой плазмы. «Вот почему, когда астронавты ходят по Луне, их скафандры покрываются пылью», — объясняет Бертон.
Пример пылевой плазмы на Земле может возникнуть во время лесных пожаров, когда сажа смешивается с дымом. Заряженные частицы сажи могут мешать радиосигналам, влияя на связь между пожарными.
Метод исследования
Бертон и Ю разработали томографическую технику визуализации для отслеживания трёхмерного (3D) движения частиц в пылевой плазме. Лазер, преобразованный в лист света, движется вверх и вниз в вакуумной камере, в то время как высокоскоростная камера фиксирует изображения. Снимки частиц в плоскости света затем собираются в стопку, показывая 3D-расположение отдельных частиц в сантиметровом масштабе в течение нескольких минут.
Теоретический биофизик Неменман ищет законы, лежащие в основе естественных динамических систем, особенно сложных биологических. Он заинтересован, в частности, в явлении коллективного движения, например, в том, как клетки человека перемещаются по телу.
«Общие вопросы о том, как возникает целая система из взаимодействий крошечных частей, очень важны», — объясняет Неменман. «Например, в случае рака вы хотите понять, как взаимодействие клеток может привести к тому, что некоторые из них отрываются от опухоли и перемещаются в новое место, становясь метастатическими».
Исследователи использовали аналогию двух лодок, движущихся по озеру и создающих волны. «В пылевой плазме мы описали, как ведущая частица притягивает следующую за ней, но следующая за ней частица всегда отталкивает ведущую», — объясняет Неменман. «Это явление ожидалось некоторыми, но теперь у нас есть точное приближение для него, которого ранее не существовало».
Их выводы также корректируют некоторые неверные предположения о пылевой плазме. Например, давняя теория утверждала, что чем больше радиус пылевой частицы, тем больше заряд, который прилипает к этой частице, в точной пропорции к радиусу частицы. «Мы показали, что эта теория не совсем верна», — говорит Неменман. «Хотя это правда, что чем больше частица, тем больше заряд, это увеличение не обязательно пропорционально радиусу. Это зависит от плотности и температуры плазмы».
Другая теория утверждала, что силы между двумя частицами падают экспоненциально в прямой зависимости от расстояния между двумя частицами, и что фактор, на который они падают, не зависит от размера частицы. Новый метод ИИ показал, что падение силы действительно зависит от размера частицы.
Исследователи проверили свои выводы с помощью экспериментов. Их нейронная сеть, основанная на физике, работает на настольном компьютере и предлагает универсальную теоретическую основу для разгадки тайн других сложных систем многих тел.
Неменман, например, с нетерпением ждёт предстоящей должности приглашённого профессора в Школе коллективного поведения в Констанце в Германии. Школа объединяет междисциплинарные подходы для изучения бурно развивающейся области коллективного поведения, всего: от стай птиц до косяков рыб и человеческих толп.
«Я буду учить студентов со всего мира, как использовать ИИ для вывода физики коллективного движения — не в пылевой плазме, а в живой системе», — говорит он.
Хотя их ИИ-фреймворк способен выводить новую физику, для проектирования правильной структуры нейронной сети, а также для интерпретации и проверки полученных данных необходимы опытные физики-эксперты.
«Требуется критическое мышление, чтобы разрабатывать и использовать инструменты ИИ таким образом, чтобы добиться реальных достижений в науке, технике и гуманитарных науках», — говорит Бертон. Он с оптимизмом смотрит на потенциал ИИ для пользы обществу. «Я думаю об этом как о девизе из «Звёздного пути»: «Смело идти туда, где ещё никто не бывал», — говорит Бертон. «При правильном использовании ИИ может открыть двери в совершенно новые сферы для изучения».