編輯 | 蘿蔔皮
神戶大學和大阪大學的研究人員成功開發了人工智慧技術，可以從常規觀測資料中提取隱藏的運動方程，並建立一個遵循物理定律的模型。
這項技術可以讓研究人員發現現象背後隱藏的運動方程，而這些方程的定律被認為是無法解釋的。例如，可以使用基於物理學的知識和模擬來檢查生態系統的可持續性。
這些研究成果於 2021 年 12 月 6 日公開，並在第三十五屆神經資訊處理系統會議（NeurIPS2021）上發表，該會議是人工智慧技術的權威會議。這項研究是被評選為聚光燈類別研究的前 3% 。
相關連結：https://openreview.net/forum?id=4h4oqp-ATxb
要點
- 能夠使用人工智慧對物理現象進行建模（公式化）可以實現極其精確、高速的模擬。
- 在當前使用人工智慧的方法中，有必要使用符合運動方程的變換資料。因此，很難將人工智慧應用於運動方程未知的實際觀測資料。
- 該研究小組使用幾何來開發人工智慧，可以在提供的觀測資料（無論其格式如何）中找到隱藏的運動方程並相應地對其進行建模。
- 未來，或許有可能發現之前被認為不符合牛頓定律的現象背後隱藏的物理定律，比如生態系統的變化。
- 這將使我們能夠使用物理定律進行與這些現象相關的調查和模擬，這可以揭示以前未知的特性。
通常，物理現象的預測是透過使用超級計算機的模擬來進行的。這些模擬使用基於物理定律的數學模型，但是如果模型不是高度可靠的，那麼結果也將缺乏可靠性。因此，有必要開發一種從現象的觀測資料中生成高度可靠模型的方法。
此外，近年來物理學應用的範圍已經超出了預測範圍，並且已經證明可以將牛頓定律應用於其他方面，例如模型的一部分以顯示生態系統變化。然而，對於許多情況，尚未揭示具體的運動方程。
這項研究開發了一種方法，可以在觀測資料中發現牛頓定律適用的現象的新運動方程。以前，已經進行了從資料中發現運動方程的研究，但是先前的方法要求資料採用適當的格式，以適應其假定的運動方程的特殊形式。但是，現實中很多情況下不清楚最好使用哪種資料格式，因此很難應用現實資料。
針對這一點，研究人員認為，觀測資料的適當變換類似於幾何中的座標變換，從而透過應用物理學中發現的座標變換不變性的幾何思想來解決這個問題。為此，有必要闡明現象背後未知的幾何特性。研究團隊隨後成功開發了可以在資料中找到這些幾何特性的人工智慧。如果可以從資料中提取運動方程，那麼就有可能使用這些方程來建立忠實於物理定律的模型和模擬。
物理模擬在廣泛的領域中進行，包括天氣預報、藥物發現、建築分析和汽車設計，但它們通常需要大量計算。但是，如果人工智慧可以從特定現象的資料中學習並使用所提出的方法構建小規模模型，那麼這將簡化和加速忠實於物理定律的計算。這將有助於上述領域的發展。此外，該方法可以應用於其他領域。
如果在這種情況下可以提取運動方程，即使對於被認為無法用物理學解釋的現象，也可以進行基於物理學知識的調查和模擬。例如，可以在動物種群資料中找到一個隱藏的運動方程，該方程顯示個體數量的變化。這可以透過應用適當的物理定律（例如能量守恆定律等）來研究生態系統的可持續性。
相關報道：https://techxplore.com/news/2021-12-artificial-intelligence-hidden-physical-laws.html
