科学家使用AI程序发现新物理定律，而且成功了！

埃默里大学科学家开发的一个定制AI神经网络，修正了多年来塑造等离子体理论的错误假设，其中包括一个关于粒子电荷的假设。

与典型的AI研究（模型用于预测结果或清理数据）不同，亚特兰大埃默里大学的研究人员做了一些不同寻常的事情。他们训练了一个神经网络来发现新的物理定律。

该团队通过向他们的AI系统输入来自一种名为“尘埃等离子体”的神秘物质状态的实验数据，实现了这一独特壮举。尘埃等离子体是一种炽热的、带电的气体，充满了微小的尘埃颗粒。科学家们随后观察到，AI揭示了此前从未被完全理解的奇异力的惊人精确描述。

这一进展表明，AI可用于揭示先前未知的、支配粒子在混沌系统中如何相互作用的定律。此外，它还修正了等离子体物理学中长期持有的假设，并为以全新方式研究从活细胞到工业材料等各种复杂的多粒子系统打开了大门。

该研究的作者之一、埃默里大学教授贾斯汀·伯顿（Justin Burton）说：“我们证明了可以使用AI来发现新的物理学。我们的AI方法不是一个黑匣子：我们理解它是如何以及为何有效的。它提供的框架也是通用的。它有可能应用于其他多体系统，为发现开辟新途径。”

AI如何学会创建定律？

研究人员将真实世界的实验与精心设计的AI模型相结合。他们从研究尘埃等离子体开始。这种物质状态遍布宇宙，从土星环和月球表面到地球上的野火烟雾中都能找到。

然而，尽管它在宇宙中普遍存在，尘埃等离子体中粒子间作用的确切力却一直未被充分理解。这是因为该系统表现出非互易行为，这意味着一个粒子施加在另一个粒子上的力不一定得到相等的反作用力。

使用传统物理学理解这种相互作用已被证明极其困难。因此，为了解决这个问题，科学家们构建了一个精密的3D成像系统，以观察塑料尘埃颗粒在充满等离子体的腔室内的运动。他们使用激光片和高速相机，在三维空间内随时间推移捕捉了数千个微小粒子的运动轨迹。

这些详细的轨迹随后被用于训练一个定制的神经网络。与大多数需要海量数据集的AI模型不同，埃默里团队的神经网络使用了一个虽小但信息丰富的数据集进行训练，并且被设计为内置了物理规则，如考虑重力、阻力和粒子间作用力。

该研究的资深作者、大学教授伊利亚·内门曼（Ilya Nemenman）说：“当你探索新事物时，并没有大量数据来训练AI。这意味着我们必须设计一个能够用少量数据进行训练，并且仍然能学到新东西的神经网络。”

该神经网络将粒子运动分解为三个部分：速度效应（如阻力）、环境力（如重力）和粒子间作用力。这使得AI能够在遵守基本物理原理的同时学习复杂的行为。

结果，它发现了对非互易力的精确描述，准确度超过99%。一个令人惊讶的见解是，当一个粒子（前导粒子）领先时，它会将尾随粒子拉向自己，但尾随粒子却会将前导粒子推开。这种不对称的相互作用曾被怀疑，但此前从未被清晰地建模过。

神经网络还修正了过去的假设

该AI修正了一些多年来塑造等离子体理论的错误假设。内门曼补充道：“更有趣的是，我们发现关于这些力的一些常见理论假设并不完全准确。我们现在能够纠正这些不准确之处，因为我们能够以如此精妙的细节看到正在发生的事情。”

例如，其中一个假设是粒子的电荷量与其尺寸完全成正比 —— 事实证明，并非如此。相反，这种关系取决于周围等离子体的密度和温度。

另一个错误的想法是粒子之间的力总是随距离呈指数衰减，无论其大小如何。AI揭示出这种衰减也取决于粒子的大小，这是先前被忽视的一个见解。

最棒的是，这个AI模型只需要在普通的台式计算机上运行。它产生了一个通用框架，现在可以应用于各种多粒子系统，从油漆混合物到生物体内的迁移细胞。这项研究也表明，AI的作用远不止于处理数字。它实际上可以帮助科学家发现支配自然的隐藏规则。

内门曼说：“尽管人们都在谈论AI如何彻底改变科学，但很少有例子是AI系统直接发现了全新的基础性知识。” 希望这项工作将鼓励科学家探索AI惠及科学和社会的许多其他方式。

该研究发表在《美国国家科学院院刊》（PNAS）上。

如果朋友们喜欢，敬请关注“知新了了”！