هوش مصنوعی قوانین تازهای در چهارمین حالت ماده کشف کرد
پژوهشگران دانشگاه اموری با بهرهگیری از هوش مصنوعی موفق شدند ویژگیهای غیرمنتظره نیروهای غیرمتقابل در سیستمهای چندذرهای را کشف کنند؛ دستاوردی که به درک دقیقتر رفتار پلاسماهای گرد و قوانین فیزیکی حاکم بر آنها کمک میکند. این مطالعه که در نشریه PNAS منتشر شده تلفیقی از اندازهگیریهای آزمایشگاهی و شبکههای عصبی ویژه است و نشان میدهد هوش مصنوعی میتواند فراتر از تحلیل دادهها خود نقش کشف قوانین فیزیکی را ایفا کند.
هوش مصنوعی فراتر از تحلیل دادهها
به گزارش sciencedaily، حالی که بیشتر کاربردهای هوش مصنوعی در علوم به تحلیل دادهها یا پیشبینی محدود میشود در این پروژه از هوش مصنوعی برای آشکارسازی قوانین فیزیکی ناشناخته استفاده شده است. جاستین برتون، استاد فیزیک تجربی و نویسنده ارشد مقاله میگوید: ما نشان دادیم که میتوان از هوش مصنوعی برای کشف فیزیک جدید بهره برد. روش ما یک جعبه سیاه نیست و مکانیزم آن قابل درک است. این چارچوب قابلیت تعمیم به سایر سیستمهای چندذرهای را نیز دارد.
ایلیا نمنمن، استاد فیزیک نظری و همکار ارشد مقاله تاکید میکند: این مطالعه دقیقترین توصیف تا به امروز از نیروهای غیرمتقابل در پلاسماهای گرد ارائه میدهد و برخی فرضیات رایج نظری درباره این نیروها را اصلاح میکند. اکنون با جزئیات بینظیر میتوانیم ببینیم چه اتفاقی در سیستم رخ میدهد.
پلاسما چهارمین حالت ماده
پلاسما گاز یونیزهای است که الکترونها و یونها در آن آزادانه حرکت میکنند و ویژگیهای خاصی مانند رسانایی الکتریکی دارد. پلاسما تقریبا ۹۹.۹ درصد ماده قابل رویت جهان را تشکیل میدهد و در پدیدههایی مانند بادهای خورشیدی، رعد و برق و حلقههای سیارهای دیده میشود.
پلاسماهای گرد، علاوه بر یونها و الکترونها، شامل ذرات گرد باردار نیز هستند و در محیطهای کیهانی و سیارهای مانند حلقههای زحل یا یونوسفر زمین مشاهده میشوند. حتی روی ماه جاذبه ضعیف باعث شناور ماندن ذرات گرد باردار میشود؛ بنابراین لباس فضانوردان هنگام راه رفتن روی ماه پوشیده از گرد و غبار میشود.
آزمایشگاه و روش تصویربرداری سهبعدی
برتون و تیمش ذرات پلاستیکی کوچک را در یک محفظه خلا پر از پلاسما معلق کردند تا مدل سادهای از سیستمهای پیچیدهتر ایجاد شود. با تغییر فشار گاز شرایط مختلف فیزیکی شبیهسازی شد و پاسخ سیستم به نیروهای خارجی مشاهده گردید.
برای این مطالعه پژوهشگران روش تصویربرداری توموگرافیک سهبعدی ایجاد کردند؛ یک لیزر صفحهای محفظه را اسکن و دوربین سرعتبالا تصاویر را ثبت میکرد. با ترکیب تصاویر از زوایای مختلف موقعیت سهبعدی ذرات طی چند دقیقه روی مقیاس سانتیمتری بازسازی شد.
نمنمن، فیزیکدان نظری زیستفیزیک به مطالعه اصول حاکم بر سیستمهای پویا و پیچیده طبیعی بهویژه سیستمهای زیستی میپردازد. او بر حرکت جمعی، مانند نحوه جابجایی و هماهنگی سلولها در بدن انسان تمرکز دارد.
او میگوید: فهم اینکه یک سیستم چگونه از تعامل اجزای کوچک شکل میگیرد، بسیار مهم است. در سرطان، دانستن تعامل سلولها میتواند به درک متاستاز کمک کند.
پروژه پلاسماهای گرد فرصت مناسبی برای بررسی حرکت جمعی در یک محیط سادهتر از موجود زنده بود و این موضوع زمینهای مناسب برای کاربرد هوش مصنوعی در کشف بینشهای فیزیکی تازه فراهم کرد.
طراحی شبکه عصبی ویژه
شبکه عصبی طراحیشده قادر است با حجم داده محدود، قوانین فیزیکی جدید را بیاموزد. تیم پژوهشی، اثر نیروهای محیطی، نیروهای بین ذرات و اثرات سرعت را در مدل شبکه لحاظ کرد.
هوش مصنوعی نیروهای غیرمتقابل بین ذرات را با دقتی بیش از ۹۹ درصد شناسایی کرد. این نیروها مشابه تعامل دو قایق در دریا هستند؛ قایق جلویی باعث جذب قایق عقبی میشود اما قایق عقب همیشه قایق جلویی را دفع میکند.
همچنین فرضیات پیشین درباره نسبت بار به شعاع ذرات و کاهش نیروها با فاصله ذرات اصلاح شد. یافتهها توسط آزمایشهای آزمایشگاهی تایید گردید.
چارچوبی جهانی برای سیستمهای پیچیده
شبکه عصبی فیزیکمحور این پژوهش روی کامپیوتر رومیزی اجرا میشود و چارچوبی نظری و جهانی برای کشف قوانین سیستمهای چندذرهای پیچیده ارائه میدهد. نمنمن قصد دارد از این روش برای آموزش استفاده کند تا دانشجویان بینالمللی بتوانند فیزیک حرکت جمعی را در سیستمهای زنده کشف کنند.
برتون در پایان میگوید: با استفاده درست از هوش مصنوعی میتوان درهای جدیدی برای کشف ناشناختهها گشود؛ مانند شعار Star Trek: جایی برو که تاکنون کسی نرفته است.
انتهای پیام/
