به گزارش ثریا - در گامی بی‌سابقه در جهان علم، تیمی از دانشمندان آمریکایی از یک برنامه هوش مصنوعی برای کشف قوانین ناشناخته فیزیک استفاده کردند.
به گزارش فرارو به نقل از اینترستینگ اینجنیرینگ، دانشمندان دانشگاه اموری در آتلانتا آمریکا موفق شدند با بهره‌گیری از یک مدل هوش مصنوعی، به کشف قوانین تازه‌ای در فیزیک دست پیدا کنند. برخلاف کاربردهای معمول هوش مصنوعی در پیش‌بینی نتایج یا پاک‌سازی داده‌ها، این بار از یک شبکه عصبی برای کشف قوانین بنیادی حاکم بر رفتار ماده استفاده شد؛ اقدامی که کمتر در علم تجربی سابقه داشته است.
این پروژه با تمرکز بر حالتی از ماده به نام «پلاسما همراه با گردوغبار» (Dusty Plasma) انجام شد؛ نوعی گاز داغ و باردار که ذرات ریز گردوغبار را در خود جای داده و رفتاری بسیار پیچیده و ناشناخته دارد. پژوهشگران با وارد کردن داده‌های تجربی حاصل از بررسی این ماده به یک سامانه هوش مصنوعی، مشاهده کردند که این مدل قادر است نیروهای ناآشنایی را با دقت بسیار بالا توصیف کند؛ نیروهایی که تا پیش از این درک دقیقی از آن‌ها وجود نداشت.
کاربردی فراتر از علم دادهیکی از نکات برجسته این پژوهش آن است که هوش مصنوعی توانسته نه‌فقط به تحلیل داده‌های موجود بپردازد، بلکه خود به کشفیات نوینی در فیزیک منتهی شود. به‌گفته جاستین بارتون، از نویسندگان این مطالعه و استاد دانشگاه اموری: «ما نشان دادیم که می‌توان از هوش مصنوعی برای اکتشافات جدید فیزیکی استفاده کرد. روش ما یک جعبه سیاه نیست؛ ما می‌دانیم که چرا و چگونه کار می‌کند و چارچوبی که ارائه می‌دهد جهانی است.»
او اضافه کرد این روش می‌تواند برای تحلیل سیستم‌های پیچیده‌ی چندذره‌ای در زمینه‌های متنوعی از جمله زیست‌شناسی سلولی و مواد صنعتی نیز به کار رود و راه‌هایی نو برای کشف علمی بگشاید.
مدل چگونه آموزش دید؟فرآیند پژوهش از بررسی ماده پلاسما همراه با گردوغبار آغاز شد. این حالت از ماده در بسیاری از نقاط جهان هستی یافت می‌شود؛ از حلقه‌های زحل و سطح ماه گرفته تا دود حاصل از آتش‌سوزی جنگل‌ها بر روی زمین. با وجود گستردگی آن در طبیعت، نیروهایی که بین ذرات در این حالت از ماده عمل می‌کنند، به‌دلیل رفتارهای نامتقارن و غیرقابل پیش‌بینی، تاکنون به‌درستی شناخته نشده بودند. دانشمندان برای مطالعه این رفتارها، یک سیستم تصویربرداری سه‌بعدی بسیار دقیق طراحی کردند. آن‌ها با استفاده از صفحه‌ی لیزری و دوربین‌های پرسرعت، حرکت هزاران ذره پلاستیکی را در فضای پلاسما ثبت کردند و مسیر حرکت آن‌ها را در طول زمان تحلیل نمودند.
این داده‌های دقیق سپس به یک شبکه عصبی ویژه داده شد. برخلاف بسیاری از مدل‌های هوش مصنوعی که به حجم عظیمی از داده نیاز دارند، این شبکه با یک مجموعه داده کوچک اما غنی آموزش دید. نکته مهم آن بود که در ساختار شبکه، قوانین فیزیکی اولیه مانند جاذبه، نیروی مقاومت هوا و تعاملات ذره‌ای در نظر گرفته شده بود. ایلیا نمِن‌من، استاد دانشگاه اموری و نویسنده ارشد مطالعه دراین‌باره گفت: «وقتی قرار است پدیده‌ای ناشناخته را بررسی کنیم، معمولاً داده‌ی زیادی نداریم. بنابراین مجبور بودیم مدلی بسازیم که با داده کم هم بتواند یاد بگیرد.»
منبع : قوانین فیزیک