研究人员利用人工智能发现带电粒子系统中隐藏的规律

埃默里大学的研究人员将定制设计的神经网络与实验实验室数据结合起来。结果揭示了等离子体粒子与尘埃相互作用中先前隐藏的模式。描述不可逆力的准确度超过 99%。该工作发表在《美国国家科学院院刊》上。

尘埃等离子体由含有微小带电粒子的电离气体组成。该系统自然发生在太空中，例如土星环中，也自然发生在陆地环境中，例如森林火灾产生的烟雾。科学家们在受控真空室内跟踪了数十个粒子的三维运动。然后，他们应用人工智能来推断支配集体行为的力量。

AI 模型可以高精度学习粒子之间的力

该团队将粒子运动分为三个主要组成部分。其中之一是与速度相关的阻力。另一个涉及环境力，例如重力。第三个捕获粒子之间的直接相互作用。用真实轨迹训练的神经网络捕获了不对称的细节。领先的粒子可以吸引其后面的粒子，而落后的粒子总是排斥领先的粒子。

这种非互易性出现在多体系统中。研究人员将这种现象与两艘船穿越湖泊并产生波浪进行比较。每一个的尾流对另一个的影响不同，具体取决于它们的相对位置。该模型在预测粒子加速度时实现了大于 0.99 的决定系数。

• 该系统能够以前所未有的精度测量负载和装甲长度
• 独立实验验证了人工智能推断的质量
• 结果与关于尺寸和负载之间比例的经典理论假设相矛盾

实验物理学教授贾斯汀·伯顿强调，该方法不能像黑匣子一样工作。网络结构尊重已知的物理约束，也允许我们发现未知的东西。

经典理论假设并不抗拒新数据

先前的理论假设尘埃颗粒上的电荷与其半径成比例地增长。数据显示，这种关系更为复杂。它根据等离子体的密度和温度而变化。观察到的指数在 0.30 和 0.80 之间，并且随着背景气压的增加而增加。

另一个常见的假设认为，粒子之间的力随着距离呈指数下降，无论大小如何。分析揭示了颗粒尺寸对力衰减的明显依赖性。其他实验证实了这些偏差。

理论物理学教授伊利亚·内门曼 (Ilya Nemenman) 解释说，高精度使得纠正旧有的错误成为可能。该模型提供了以前不存在的定量描述。第一作者于文涛是该项目的第一作者，他是埃默里大学的博士生，目前在加州理工学院从事研究工作。合著者 Eslam Abdelaleem 是佐治亚理工学院的博士后研究员。

尘埃等离子体出现在从日常生活到宇宙的环境中

等离子体被称为物质的第四态，因为电子和离子可以自由移动。它约占可见宇宙的 99.9%，从太阳风到闪电。灰尘版本添加了改变行为的带电颗粒。

在月球上，微弱的重力导致灰尘颗粒漂浮并粘在宇航员的衣服上。在地球上的野火中，带电烟灰颗粒会干扰消防员使用的无线电信号。在实验室中，科学家将塑料微球悬浮在真空室中，并调节压力以模拟真实条件。

Leia Também

《仁王 3》在 Metacritic 上获得 86 分，并在 PS5 上获得高达 33 欧元的折扣

博世发布更新，从 5 月 4 日起将 CX 发动机扭矩提高至 120 Nm

小米准备了大屏陶瓷机身智能手环10 Pro

伯顿实验室开发的断层扫描成像技术使用激光片扫描体积。高速摄像机记录图像，将这些图像组合起来，可以在几分钟内重建 3D 轨迹。

该方法为其他多体系统铺平了道路

埃默里大学开发的框架在普通台式计算机上运行。它可以适用于研究工业油漆和油墨中的胶体或活细胞群中的集体相互作用。内曼曼计划在德国实习期间将类似的想法应用于生物系统集体运动的研究。

美国国家科学基金会项目主任维亚切斯拉夫·卢金（Vyacheslav Lukin）赞扬了跨学科合作。这一进步结合了等离子体物理学和人工智能，有助于理解生命系统。

该研究得到了美国国家科学基金会的主要支持，以及西蒙斯基金会的额外资助。作者强调，成功取决于仔细的网络设计和对结果的人类解释。

实验的技术细节增强了可靠性

研究人员以两种独立的方式验证了该模型，以推断每个粒子的质量。这些值与光学显微镜的直接测量值一致并匹配。这种内部一致性增加了人们对推断优势的信心。

神经网络结合了物理对称性并处理不同的粒子。训练使用了有限的实验数据，这需要特定的架构。一年多来的每周会议将结构完善为一个相对简单但功能强大的模型。

潜在影响超出等离子体物理学范围

科学家们看到了工业材料和生物学等领域的潜力。例如，在癌症中，了解集体细胞相互作用可以揭示转移过程。该方法为推断难以建模直接相互作用的系统中的规律提供了一个起点。

伯顿将负责任地使用人工智能比作探索未知的使命。他相信，如果使用得当，该工具将为全新的发现领域打开大门。

该研究表明人工智能可以超越分析或预测。在适当的条件下，它有助于揭示隐藏的自然法则。