Американски изследователи използват изкуствен интелект, за да картографират частиците в плазмата с висока точност

Pesquisadores от Emory University разработи персонализирана невронна мрежа за анализ на поведението на заредени частици. Технологията постигна повече от 99% точност при картографиране на сложни взаимодействия. Подробното изследване е публикувано в научното списание Proceedings на National Academy на Sciences. Иновацията съчетава експериментални лабораторни данни с усъвършенствана обработка с изкуствен интелект. Резултатът разкрива физически модели, които са останали скрити за традиционната наука.

Прашната плазма съдържа йонизиран газ и заредени микроскопични елементи. Esse състояние на материята съществува както в космическото пространство, така и в ежедневните земни среди. Новият метод позволи на учените да проследят триизмерното движение на десетки частици в контролирана вакуумна камера. Изкуственият интелект обработи тези траектории, за да изведе точните сили, управляващи колективното поведение. Подходът решава дългогодишен проблем за това как да се измерват преките взаимодействия в системи с много компоненти.

Rede neuron идентифицира силите на привличане и отблъскване

Изследователският екип раздели движението на частиците на три основни компонента, за да улесни анализа. Първият фактор включва силата на съпротивление, която е пряко свързана със скоростта на елемента. Вторият компонент включва външни сили на околната среда, като действието на гравитацията върху масата. Третият аспект улавя преките и непрекъснати взаимодействия между самите частици. Невронната мрежа беше обучена с реални траектории, заснети в лабораторията. Системата успя да открие асиметрични детайли, които конвенционалните методи игнорираха.

Данните разкриха особена динамика между движещите се елементи. Частица, която върви напред, може да привлече тази, която идва точно отзад. Следващата частица, от друга страна, винаги отблъсква лидера. Нереципрочното действие на Essa се случва често във физически системи с много тела. Изследователите сравняват този практически ефект с две лодки, пресичащи водите на езеро. Следата, генерирана от всяка лодка, влияе на другата по различен начин, в зависимост от относителната им позиция. Изчислителният модел постигна коефициент на определяне над 0,99 при прогнозиране на точното ускорение на частиците.

Descoberta оспорва теориите на класическата физика

Предишните физични теории приемаха по-прости правила за тези системи. Класическата литература твърди, че зарядът на праховата частица нараства пропорционално на нейния радиус. Данните, събрани от новата технология, показват, че реалната връзка е много по-сложна. Зарядът варира значително в зависимост от плътността и температурата на плазмата в околната среда. Математическият показател, наблюдаван по време на тестовете, е между 0,30 и 0,80. Стойността на Esse нараства последователно с увеличаване на фоновото газово налягане.

Outra общото предположение сред учените е разстоянието между елементите. Древната теория твърди, че силите между частиците намаляват експоненциално с разстоянието, без да зависят от техния размер. Настоящият анализ разкри ясна и пряка зависимост на размера на частиците от разпадането на силата. Допълнителен Experimentos, извършен от екипа, потвърди тези важни отклонения от установената литература.

• Иновативният метод направи възможно измерването на товари с безпрецедентна точност в областта на физиката.
• Независима лаборатория Testes потвърди масите, изчислени от системата за изкуствен интелект.
• Налягането на фоновия газ пряко влияе върху поведението и нарастването на показателя.
• Дължините на екрана бяха записани в детайли, никога досега не постигани от изследователите.

Justin Burton, професор по експериментална физика в институцията, обясни как работи инструментът. Ele подчерта, че методът не действа като обикновена черна кутия, която дава резултати без обяснение. Структурата на невронната мрежа спазва всички физически ограничения, известни на науката. Ключовата характеристика на Essa позволява на изследователите да откриват нова информация с висока надеждност.

Plasma с прах съставлява голяма част от вселената

Плазмата се класифицира като четвъртото състояние на материята в съвременната физика. Електрони и йони се движат свободно в тази структура. Esse състояние съставлява приблизително 99,9% от цялата видима вселена. Ele образува огромни природни явления, от слънчеви ветрове до светкавици по време на бури. Специфичната за прах версия добавя заредени зърна, които променят поведението по подразбиране на материала. Системата Esse се среща естествено в пръстените на планетата Saturno и в други космически образувания.

Феноменът засяга пряко и космическите изследвания. Na Lua, слабата гравитация оставя частици прах да се носят в околната среда. Елементите на Esses в крайна сметка се залепват за скафандрите на астронавтите по време на мисии. Na Terra, въздействието възниква при извънредни екологични ситуации. Заредените частици сажди, генерирани при горски пожари, могат да попречат на радиосигналите. Смущенията на Essa нарушават жизненоважна комуникация между пожарните екипи на място.

Leia Também

Случайно откритие на космическа радиация в антената разкрива доказателство за Големия взрив

Nintendo Switch 2 получава девет игри през май с екшън и приключенски заглавия

IOS 26.5 Beta 4 вече е наличен с подобрения в производителността и RCS

Учените пресъздават тези екстремни условия в лабораторията за безопасно изследване. Eles суспендирайте пластмасови микросфери във вакуумна камера и регулирайте вътрешното налягане. Целта е да се симулират реални условия в природата или космоса. Техниката за томографско изобразяване, разработена в лабораторията, използва лазерен лист, който обхожда целия обем на камерата. Високоскоростна камера записва бързи последователни изображения. Essas изображенията впоследствие се комбинират, за да реконструират триизмерни траектории в продължение на няколко минути експеримент.

Техниката Validação гарантира точност на резултатите

Изследователският екип предприе строги мерки, за да гарантира валидността на изследването. Учените потвърдиха модела по два напълно независими начина, за да изведат масата на всяка частица. Получените стойности съвпадат перфектно една с друга. Числата също съвпадат с директни измервания, направени с помощта на традиционната оптична микроскопия. Стабилната вътрешна последователност на Essa увеличава доверието на научната общност в силите, изведени от изкуствения интелект.

Невронната мрежа е проектирана да включва специфични физически симетрии. Системата може да обработва частици, които не са идентични една на друга. Обучението с изкуствен интелект използва ограничен обем от експериментални данни. Ограничението Essa изискваше създаването на много специфична и оптимизирана софтуерна архитектура. Reuniões седмичните сесии, провеждани в продължение на повече от година, помогнаха за прецизиране на структурата на кода. Продължаващите усилия доведоха до сравнително прост, но изключително мощен изчислителен модел за изследване.

Ilya Nemenman, професор по теоретична физика, подчерта важността на постигнатата точност. Ele обясни, че високата прецизност на системата е направила възможно коригирането на стари неточности, които ограничават напредването на района. Сега моделът предлага подробни количествени описания, които просто не са съществували преди. Wentao Yu служи като първи автор на проекта по време на своята докторска степен в Emory University. Ele в момента преследва изследователската си кариера в Caltech. Eslam Abdelaleem, съавтор на изследването, работи като постдокторант в Georgia Tech.

Tecnologia отваря врати за проучвания в биологията и индустрията

Софтуерната рамка, разработена в университета, предлага голяма практическа гъвкавост. Системата работи ефективно на обикновен настолен компютър, без да изисква суперкомпютри. Изследователите могат да адаптират инструмента за изследване на колоиди в индустриални бои. Системата се прилага идеално и за анализ на колективни взаимодействия в групи от живи клетки. Ilya Nemenman планира да използва подобни идеи в областта на биологията. Ele ще изучава колективно движение в биологични системи по време на изследователски стаж в Alemanha.

Vyacheslav Lukin, програмен директор в National Science Foundation, оцени въздействието на проекта. Ele високо оцени интердисциплинарното сътрудничество между различни отдели. Технологичният напредък съчетава сложна физика на плазмата с модерни инструменти за изкуствен интелект. Стратегическият съюз Essa може пряко да облагодетелства разбирането на живите системи в бъдеще. Изследването получи основната си финансова подкрепа от NSF. Проектът включва и допълнителни ресурси, предоставени от Simons Foundation.

Учените виждат огромен потенциал за приложение в области като медицинската онкология. Разбирането на колективните взаимодействия на клетките може да хвърли светлина върху процесите на ракови метастази. Методът предлага солидна отправна точка за извеждане на закони в системи, където преките взаимодействия са трудни за моделиране. Justin Burton сравнява отговорното използване на изкуствения интелект с историческата мисия за изследване на неизвестното. Проучването ясно демонстрира, че технологията може да извърви дълъг път