Výzkumníci používají AI k objevování skrytých zákonů v systémech nabitých částic

Emory University Pesquisadores kombinoval zakázkově navrženou neuronovou síť s experimentálními laboratorními daty. Výsledek odhaluje dříve skryté vzorce v interakci částic plazmatu s prachem. Přesnost při popisu nerecipročních sil přesahuje 99 %. Práce byla publikována v Proceedings z National Academy z Sciences.

Prachové plazma se skládá z ionizovaného plynu, který obsahuje mikroskopické nabité částice. Systém Esse se přirozeně vyskytuje ve vesmíru, například v prstencích Saturno, a také v pozemském prostředí, jako je kouř z lesních požárů. Vědci sledovali trojrozměrný pohyb desítek částic v řízené vakuové komoře. Poté použili umělou inteligenci, aby odvodili síly, které řídí kolektivní chování.

Modelo AI se učí síly mezi částicemi s vysokou přesností

Tým rozdělil pohyb částic do tří hlavních složek. Jedním z nich je brzdná síla související s rychlostí. Outro zahrnuje síly prostředí, jako je gravitace. Třetí zachycuje přímé interakce mezi částicemi. Neuronová síť trénovaná reálnými trajektoriemi zachytila ​​asymetrické detaily. Vedoucí částice může přitahovat tu za ní, zatímco zadní částice vždy odpuzuje vůdce.

Essa reciprocita se neobjevuje v mnohatělových systémech. Vědci tento jev přirovnávají ke dvěma lodím, které přeplouvají jezero a vytvářejí vlny. Brázda každého z nich ovlivňuje druhého odlišně v závislosti na jejich vzájemné poloze. Model dosáhl koeficientu determinace většího než 0,99 při predikci zrychlení částic.

• Systém umožnil měřit zatížení a délky pancíře s nebývalou přesností
• Nezávislé Experimentos ověřené hmotnosti odvozené od AI
• Resultados odporuje klasickým teoretickým předpokladům o úměrnosti mezi velikostí a zatížením

Justin Burton, profesor experimentální fyziky, zdůraznil, že metoda nefunguje jako černá skříňka. Struktura sítě respektuje známá fyzická omezení a také nám umožňuje objevit to, co nebylo známo.

Klasické teorie Suposições se novým datům nebrání

Předchozí Teorias předpokládal, že náboj prachové částice roste úměrně jejímu poloměru. Data ukazují, že vztah je složitější. Ela se liší v závislosti na hustotě a teplotě plazmy. Pozorovaný exponent je mezi 0,30 a 0,80 a zvyšuje se s tlakem plynu pozadí.

Outra Obecný předpoklad tvrdil, že síly mezi částicemi klesají exponenciálně se vzdáleností, bez ohledu na velikost. Analýza odhalila jasnou závislost velikosti částic na poklesu síly. Další Experimentos tyto odchylky potvrdily.

Ilya Nemenman, profesor teoretické fyziky, vysvětlil, že vysoká přesnost umožnila opravit staré nepřesnosti. Model nabízí kvantitativní popisy, které dříve neexistovaly. Wentao Yu, první autor, na projektu pracoval jako doktorand na Emory a nyní se věnuje výzkumu na Caltech. Eslam Abdelaleem, spoluautor, působí jako postdoktorand na Georgia Tech.

Plasma s prachem se objevuje v prostředích od každodenního života až po vesmír

Plazma se nazývá čtvrté skupenství hmoty, protože elektrony a ionty se volně pohybují. Ele tvoří asi 99,9 % viditelného vesmíru, od slunečních větrů po blesky. Prachová verze přidává nabitá zrna, která mění chování.

Na Lua, slabá gravitace zanechává částice prachu vznášet se a ulpívat na oblečení astronautů. Při požárech v Terra mohou nabité částice sazí rušit rádiové signály používané hasiči. V laboratoři vědci suspendují plastové mikrokuličky ve vakuové komoře a upravují tlak tak, aby simuloval skutečné podmínky.

Leia Também

Virtuální obchod Epic Games zaručuje pro PC hráče bezplatné vykoupení dvanácti hlavních titulů

Sony uvolňuje bezplatný přístup ke dvěma hlavním hrám pro uživatele PlayStation 5 v digitálním obchodě

Majitelé konzole PlayStation 5 zaručují definitivní přístup ke hrám Ark a 2XKO v digitálním obchodě Sony

Technika tomografického zobrazování vyvinutá v laboratoři Burton využívá laserový list, který skenuje objem. Vysokorychlostní kamera zaznamenává snímky, které při kombinaci rekonstruují 3D trajektorie během několika minut.

Abordagem připravuje cestu pro další mnohotělové systémy

Framework vyvinutý v Emory běží na běžném stolním počítači. Ele lze přizpůsobit ke studiu koloidů v průmyslových barvách a inkoustech nebo ke kolektivním interakcím ve skupinách živých buněk. Nemenman plánuje aplikovat podobné myšlenky na studium kolektivního pohybu v biologických systémech během stáže na Alemanha.

Vyacheslav Lukin, programový ředitel National Science Foundation, ocenil mezioborovou spolupráci. Pokrok kombinuje fyziku plazmatu a umělou inteligenci a může být přínosem pro pochopení živých systémů.

Výzkum získal primární podporu od NSF a další financování od Simons Foundation. Autoři zdůrazňují, že úspěch závisí na pečlivém návrhu sítě a lidské interpretaci výsledků.

Experimentální technici Detalhes zvyšují spolehlivost

Vědci ověřili model dvěma nezávislými způsoby, jak odvodit hmotnost každé částice. Hodnoty se shodovaly a odpovídaly přímým měřením pomocí optické mikroskopie. Vnitřní konzistence Essa zvyšuje důvěru v odvozené síly.

Neuronová síť zahrnuje fyzikální symetrie a zabývá se neidentickými částicemi. Školení využívalo omezené množství experimentálních dat, což vyžadovalo specifickou architekturu. Týdenní relace Reuniões po více než rok vylepšily strukturu do relativně jednoduchého, ale výkonného modelu.

Potenciál Impacto přesahuje fyziku plazmatu

Cientistas vidí potenciál v oblastech, jako jsou průmyslové materiály a biologie. Například u rakoviny může pochopení kolektivních buněčných interakcí vrhnout světlo na procesy metastáz. Metoda nabízí výchozí bod pro vyvozování zákonitostí v systémech, kde je obtížné modelovat přímé interakce.

Burton přirovnává zodpovědné používání umělé inteligence k poslání objevovat neznámo. Ele věří, že pokud je nástroj dobře používán, otevírá dveře do zcela nových oblastí objevování.

Studie ukazuje, že umělá inteligence může jít nad rámec analýzy nebo předpovídání. Za správných podmínek pomáhá odhalit přírodní zákony, které zůstaly skryté.