エモリー大学の研究者は、カスタム設計のニューラル ネットワークと実験室データを組み合わせました。その結果、プラズマ粒子とダストの相互作用におけるこれまで隠されていたパターンが明らかになります。非相反力の記述精度は 99% を超えます。この研究は米国科学アカデミー紀要に掲載されました。
ダストプラズマは、微細な荷電粒子を含むイオン化ガスで構成されています。このシステムは、土星の環などの宇宙空間や、森林火災からの煙などの地上環境でも自然に発生します。科学者たちは、制御された真空チャンバー内で数十の粒子の三次元の動きを追跡しました。次に、彼らは人工知能を適用して、集団行動を支配する力を推測しました。
AIモデルが粒子間の力を高精度に学習
チームは粒子の動きを 3 つの主要なコンポーネントに分割しました。そのうちの 1 つは、速度に関連する抗力です。もう 1 つは、重力などの環境力に関係します。 3 番目は、粒子間の直接の相互作用をキャプチャします。実際の軌道でトレーニングされたニューラル ネットワークは、非対称の詳細をキャプチャしました。先頭の粒子は後ろの粒子を引き付けることができますが、後続の粒子は常にリーダーを反発します。
この非相反性は多体系に現れます。研究者らはこの現象を、湖を横切る2隻のボートが波を起こすことに例えている。それぞれの航跡は、相対的な位置に応じて、他方に異なる影響を与えます。このモデルは、粒子加速度を予測する際に 0.99 を超える決定係数を達成しました。
- このシステムにより、荷重と装甲の長さをこれまでにない精度で測定できるようになりました。
- 独立した実験により、AI によって推定された質量が検証されました
- 結果は、サイズと荷重の比例関係に関する古典的な理論的仮定に矛盾します。
実験物理学のジャスティン・バートン教授は、この方法はブラックボックスとしては機能しないと強調した。ネットワーク構造は既知の物理的制約を尊重するだけでなく、未知のものを発見することも可能にします。
古典的な理論的仮定は新しいデータに抵抗しない
以前の理論では、塵粒子の電荷はその半径に比例して増加すると想定されていました。データは、関係がより複雑であることを示しています。プラズマの密度と温度によって異なります。観察される指数は 0.30 ～ 0.80 であり、バックグラウンド ガス圧力とともに増加します。
もう 1 つの一般的な仮定では、粒子間の力は、サイズに関係なく、距離とともに指数関数的に減少します。分析により、粒子サイズが力の減衰に明確に依存していることが明らかになりました。追加の実験により、これらの逸脱が確認されました。
理論物理学教授のイリヤ・ネメンマン氏は、高い精度により古い不正確さを修正することが可能になったと説明した。このモデルは、これまで存在しなかった定量的な説明を提供します。筆頭著者の Wentao Yu は、エモリー大学の博士課程の学生としてこのプロジェクトに取り組み、現在はカリフォルニア工科大学で研究を続けています。共著者のエスラム・アブデラレムは、ジョージア工科大学で博士研究員を務めています。
日常生活から宇宙までさまざまな環境に現れる粉塵プラズマ
プラズマは電子とイオンが自由に移動できるため、物質の第 4 の状態と呼ばれます。太陽風から雷まで、目に見える宇宙の約 99.9% を占めています。ダストバージョンでは、動作を変更する帯電粒子が追加されます。
月では、重力が弱いため、塵の粒子が浮遊し、宇宙飛行士の服に付着します。地球上の山火事では、帯電したすすの粒子が消防士が使用する無線信号に干渉する可能性があります。実験室では、科学者が真空チャンバー内にプラスチック微小球を懸濁し、実際の状況をシミュレートするために圧力を調整します。
バートンの研究室で開発された断層撮影イメージング技術は、ボリュームをスキャンするレーザー シートを使用します。高速カメラが画像を記録し、それらを組み合わせると、数分間にわたって 3D 軌跡が再構築されます。
このアプローチは他の多体システムへの道を切り開く
Emory で開発されたフレームワークは、一般的なデスクトップ コンピューター上で実行されます。工業用塗料やインク中のコロイド、あるいは生きた細胞の集団における集団相互作用の研究に応用できます。ネーメンマン氏は、ドイツでのインターンシップ中に、同様のアイデアを生物学的システムの集団運動の研究に適用する予定です。
国立科学財団プログラムディレクターのヴャチェスラフ・ルーキン氏は、学際的な協力を称賛した。この進歩はプラズマ物理学と人工知能を組み合わせたものであり、生命システムの理解に役立つ可能性があります。
この研究は NSF から主な支援を受け、さらにサイモンズ財団からの追加資金も提供されました。著者らは、成功は慎重なネットワーク設計と結果の人間による解釈に依存すると強調しています。
実験の技術的な詳細が信頼性を裏付ける
研究者らは、各粒子の質量を推測するための 2 つの独立した方法でモデルを検証しました。値は光学顕微鏡による直接測定値と一致し、一致しました。この内部一貫性により、推定される強みの信頼性が高まります。
ニューラル ネットワークには物理的対称性が組み込まれており、同一でない粒子を処理します。トレーニングでは限られた量の実験データが使用されたため、特定のアーキテクチャが必要でした。 1 年以上にわたる毎週のミーティングにより、構造が比較的シンプルだが強力なモデルに洗練されました。
潜在的な影響はプラズマ物理学を超える
科学者は工業材料や生物学などの分野に可能性を見出しています。たとえば、がんの場合、集団的な細胞相互作用を理解することで転移プロセスを解明できる可能性があります。この方法は、直接的な相互作用をモデル化することが難しいシステムの法則を推測するための開始点を提供します。
バートン氏は、AI の責任ある使用を未知の世界を探索するという使命に例えています。彼は、このツールをうまく使えば、まったく新しい発見の領域への扉が開かれると信じています。
この研究は、人工知能が分析や予測を超えることができることを示しています。適切な条件下では、隠されたままの自然法則を明らかにするのに役立ちます。
