人工智能可以发现数据中隐藏的物理规律

来源：ScienceAI

编辑：萝卜皮

神户大学和大阪大学的研究人员成功开发了人工智能技术，可以从常规观测数据中提取隐藏的运动方程，并创建一个遵循物理定律的模型。

这项技术可以让研究人员发现现象背后隐藏的运动方程，而这些方程的定律被认为是无法解释的。例如，可以使用基于物理学的知识和模拟来检查生态系统的可持续性。

这些研究成果于 2021 年 12 月 6 日公开，并在第三十五届神经信息处理系统会议（NeurIPS2021）上发表，该会议是人工智能技术的权威会议。这项研究是被评选为聚光灯类别研究的前 3% 。

相关链接：https://openreview.net/forum?id=4h4oqp-ATxb

要点

• 能够使用人工智能对物理现象进行建模（公式化）可以实现极其精确、高速的模拟。

• 在当前使用人工智能的方法中，有必要使用符合运动方程的变换数据。因此，很难将人工智能应用于运动方程未知的实际观测数据。

• 该研究小组使用几何来开发人工智能，可以在提供的观测数据（无论其格式如何）中找到隐藏的运动方程并相应地对其进行建模。

• 未来，或许有可能发现之前被认为不符合牛顿定律的现象背后隐藏的物理定律，比如生态系统的变化。

• 这将使我们能够使用物理定律进行与这些现象相关的调查和模拟，这可以揭示以前未知的特性。

通常，物理现象的预测是通过使用超级计算机的模拟来进行的。这些模拟使用基于物理定律的数学模型，但是如果模型不是高度可靠的，那么结果也将缺乏可靠性。因此，有必要开发一种从现象的观测数据中生成高度可靠模型的方法。

此外，近年来物理学应用的范围已经超出了预测范围，并且已经证明可以将牛顿定律应用于其他方面，例如模型的一部分以显示生态系统变化。然而，对于许多情况，尚未揭示具体的运动方程。

这项研究开发了一种方法，可以在观测数据中发现牛顿定律适用的现象的新运动方程。以前，已经进行了从数据中发现运动方程的研究，但是先前的方法要求数据采用适当的格式，以适应其假定的运动方程的特殊形式。但是，现实中很多情况下不清楚最好使用哪种数据格式，因此很难应用现实数据。

针对这一点，研究人员认为，观测数据的适当变换类似于几何中的坐标变换，从而通过应用物理学中发现的坐标变换不变性的几何思想来解决这个问题。为此，有必要阐明现象背后未知的几何特性。研究团队随后成功开发了可以在数据中找到这些几何特性的人工智能。如果可以从数据中提取运动方程，那么就有可能使用这些方程来创建忠实于物理定律的模型和模拟。

物理模拟在广泛的领域中进行，包括天气预报、药物发现、建筑分析和汽车设计，但它们通常需要大量计算。但是，如果人工智能可以从特定现象的数据中学习并使用所提出的方法构建小规模模型，那么这将简化和加速忠实于物理定律的计算。这将有助于上述领域的发展。此外，该方法可以应用于其他领域。

如果在这种情况下可以提取运动方程，即使对于被认为无法用物理学解释的现象，也可以进行基于物理学知识的调查和模拟。例如，可以在动物种群数据中找到一个隐藏的运动方程，该方程显示个体数量的变化。这可以通过应用适当的物理定律（例如能量守恒定律等）来研究生态系统的可持续性。

相关报道：https://techxplore.com/news/2021-12-artificial-intelligence-hidden-physical-laws.html

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。