Ученые используют ИИ для поиска новых законов физики и им это хорошо удается
- Ученые из университета Эмори использовали искусственный интеллект для анализа движения пыли в пылевой плазме, что привело к новым открытиям в физике.
- ИИ обнаружил, что заряд частицы пыли зависит не только от размера, но и от плотности и температуры плазмы, и что взаимодействие между частицами зависит от их размера.
- Полученные результаты подтверждены экспериментами и могут быть применены в других отраслях, таких как коллоидная химия и биологические процессы.
Исследователи с помощью искусственного интеллекта провели эксперимент, который изменил представление о взаимодействии частиц в так называемой пылевой плазме - явлении, встречающемся и в космосе, и на Земле. Результаты работы ставят под сомнение многолетние теоретические предположения и открывают путь к новым фундаментальным открытиям.
Группа физиков из университета Эмори применила машинное обучение для анализа движения пыли в лабораторных условиях. Команда использовала специальное томографическое изображение: лазер, рассеянный на лист света, поэтапно сканировал объем камеры, а скоростная камера фиксировала движение каждой частицы с высокой точностью, отслеживая их в трехмерном пространстве с точностью до сантиметра в течение нескольких минут, информирует 24 Канал со ссылкой на Phys.org.
Смотрите также Удалось создать "магические состояния", которые сделают квантовые вычисления полезными
Пылевая плазма – это особое состояние вещества, состоящее из ионизированного газа с примесями мелких частиц пыли, которые также заряжены. Вездесущность этого явления прослеживается от колец Сатурна до слоев атмосферы Земли.
Даже во время лесных пожаров частицы сажи, смешиваются с дымом, образуют локальные зоны пылевой плазмы, способны влиять на радиосвязь спасателей, когда заряженные частицы поглощают или возмущают радиоволны.
Как ИИ помогает открывать новую физику?
Главная ценность исследования в том, что ИИ не только находил закономерности, но и позволил построить физическую модель работы сложной системы. Его алгоритм научился учитывать симметрии, различия между отдельными частицами, а также точно определять так называемые нерецепрокальные (то есть неодинаковые с обеих сторон) силы, возникающие между частицами во время движения. Эти силы было трудно исследовать классическими методами – и здесь машинное обучение показало себя неожиданно эффективным.
Например, давно существовала гипотеза, что электрический заряд частицы пыли растет прямо пропорционально ее размеру. Однако результаты ИИ показали: увеличение заряда на самом деле зависит не только от размера, но и от плотности и температуры плазмы.
Еще одна традиционная теория предполагала, что сила взаимодействия между двумя частицами экспоненциально уменьшается с увеличением расстояния, и эта скорость не зависит от размера частиц. Однако модели ИИ показали: спад действительно зависит от размера, что до этого не учитывалось.
Все эти открытия лабораторно подтвердили экспериментами. Использованный ими метод базового физического сетевого моделирования легко переносится на другие сферы – от коллоидной химии (например, в красках или чернилах) до биологических процессов вроде коллективного поведения клеток. В перспективе это может помочь раскрывать законы динамики даже в живых системах.
Вакуумная камера, где коллоидные частицы находятся во взвешенном состоянии / Фото Лаборатория Бертона
Кстати, недавно ученые впервые зафиксировали вибрации атомов, что открывает путь к ранее недоступной физике. Это открытие позволяет экспериментально наблюдать тепловые вибрации и моире фазоны, что может повлиять на развитие электроники и квантовых вычислений.