როგორც წესი, მეცნიერები ხელოვნურ ინტელექტს (AI) მონაცემების გასაფილტრად ან შედეგების პროგნოზირებისთვის იყენებენ. ემორის უნივერსიტეტის (ატლანტა) მკვლევრებმა ამგვარ მოდელს უჩვეულო დანიშნულება მოუფიქრეს: მათ ნეირონული ქსელი ფიზიკის ახალი კანონების აღმოსაჩენად გამოიყენეს.

მკვლევართა გუნდმა ხელოვნური ინტელექტის სისტემას ექსპერიმენტების შედეგად მიღებული მონაცემები მიაწოდა. ისინი იდუმალ აგრეგატულ მდგომარეობას ეხება, რომელსაც მტვრიან პლაზმას უწოდებენ. ეს ელექტრულად დამუხტული ცხელი აირია, რომელიც მტვრის პატარა ნაწილაკებითაა სავსე. ამის შემდეგ AI მოდელმა იმ უცნაური ძალების ზუსტი აღწერა გამოავლინა, რომლებიც აქამდე ბოლომდე არავის არ ესმოდა.

ეს მიგნება გვიჩვენებს, რომ ხელოვნური ინტელექტი მანამდე უცნობი კანონების გამოსავლენად შეიძლება გამოვიყენოთ, მაგალითად, ქაოსურ სისტემაში ნაწილაკების მოძრაობის შესახებ მეტის გასაგებად. გარდა ამისა, ახალმა კვლევამ პლაზმის ფიზიკაში დამკვიდრებული მცდარი შეხედულებები შეასწორა.

როგორ აღმოაჩინა ხელოვნურმა ინტელექტმა ახალი კანონები

თავიდან მკვლევრებმა მტვრიანი პლაზმა შეისწავლეს. ეს აგრეგატული მდგომარეობა სამყაროში ბევრგან გვხვდება, მაგალითად, სატურნის რგოლებში, მთვარის ზედაპირზე ან ტყის ხანძრების კვამლში.

მიუხედავად იმისა, რომ აღნიშნული მდგომარეობა გავრცელებულია, იგი მეცნიერებს აქამდე კარგად არ ესმოდათ. ეს მეტწილად იმის ბრალია, რომ ფენომენი არარეციპროკულად, ანუ ასიმეტრიულად, ვლინდება — ძალა, რომლითაც მტვრიანი პლაზმის ერთი ნაწილაკი მეორე მოქმედებს, რიგ შემთხვევებში არაა იგივე ძალა, რომლითაც მეორე მოქმედებს პირველზე.

ტრადიციული ფიზიკით მსგავსი ურთიერთქმედებების გაგება ძალიან რთულია. სწორედ ამიტომ, მეცნიერებმა 3D გამოსახვის სისტემა შექმნეს, რათა პლაზმით სავსე ოთახში მტვრის ნაწილაკების მოძრაობას დაჰკვირვებოდნენ. მათ ლაზერის ქაღალდი და მაღალი სიჩქარის კამერა გამოიყენეს, რათა 3 განზომილებაში ნაწილაკების მოძრაობა აღებეჭდათ.

ამის შემდეგ მიღებული მონაცემებით მკვლევრებმა ნეირონული ქსელი გაწვრთნეს. ხელოვნური ინტელექტის მოდელების უმრავლესობას ძალიან ბევრი მონაცემი სჭირდება, ემორის გუნდმა კი ქსელი შედარებით ცოტა ინფორმაციით გაწვრთნა. გარდა ამისა, მასში ფიზიკის სხვადასხვა კანონი ჩააშენეს, რათა ნეირონულ ქსელს ისეთი ფაქტორები გაეთვალისწინებინა, როგორებიცაა: გრავიტაცია, წინაღობა ან ნაწილაკებს შორის მოქმედი ძალები.

ნეირონულმა ქსელმა ნაწილაკთა მოძრაობა 3 კომპონენტად დაყო: სიჩქარის ეფექტები (მაგალითად, წინაღობა), გარემოს ძალები (მაგალითად, გრავიტაცია) და ნაწილაკებს შორის მოქმედი ძალები. ამან ხელოვნურ ინტელექტს საშუალება მისცა, რომ რთული ქცევები ისე შეესწავლა, რომ ფიზიკის საბაზისო პრინციპებიდან არ გადაეხვია.

საბოლოოდ, ნეირონულმა ქსელმა ცალმხრივი (არარეციპროკული) ძალები 99%-იანი სიზუსტით აღწერა. განსაკუთრებით მოულოდნელი აღმოჩენა ის იყო, რომ როდესაც ერთი ნაწილაკი წინ მიიწევს, მის უკან მყოფს თავისკენ ექაჩება, ხოლო უკან მყოფი პირიქით — წინას იშორებს. ასეთი ასიმეტრიული ურთიერთქმედების არსებობის შესახებ ეჭვები მანამდეც არსებობდა, მაგრამ მისი ზუსტად აღმწერი მოდელები არავის არ ჰქონდა შექმნილი.

ნეირონულმა ქსელმა დამკვიდრებული მოსაზრებები შეასწორა

ხელოვნურმა ინტელექტმა პლაზმის თეორიაში დამკვიდრებული ბევრი მცდარი შეხედულება შეასწორა. ერთ-ერთი ასეთი ვარაუდი ის იყო, რომ ნაწილაკის ელექტრული მუხტი მისი ზომის მატების პროპორციულად იზრდება — აღმოჩნდა, რომ ასე არ არის. სიმართლე ისაა, რომ ეს კავშირი გარშემო არსებული პლაზმის სიმკვრივესა და ტემპერატურაზეა დამოკიდებული.

კიდევ ერთი მცდარი მოსაზრება ის იყო, რომ ნაწილაკებს შორის ძალა მანძილთან ერთად ექსპონენციურად იზრდება, ნაწილაკის ზომას კი ამასთან კავშირი არ აქვს. AI-მ გამოავლინა, რომ ნაწილაკთა ზომას, რეალურად, ძალიან დიდი მნიშვნელობა აქვს.

ამ ყველაფრის საუკეთესო ნაწილი ის არის, რომ ხელოვნური ინტელექტის მოდელი ჩვეულებრივ სამაგიდო კომპიუტერზე გაეშვა. მან უნივერსალური ჩარჩო შექმნა, რომელიც ახლა უამრავ მრავალნაწილაკიან სისტემას შეიძლება მოვარგოთ: საღებავებიდან დაწყებული, ცოცხალი ორგანიზმების უჯრედებით დამთავრებული.

ამ ნაშრომმა ცხადყო, რომ ხელოვნურ ინტელექტს უკვე ფიზიკის კანონების აღმოჩენაც კი შეუძლია. მკვლევრები იმედოვნებენ, რომ ეს მხოლოდ დასაწყისია და ხელოვნური ინტელექტი მეცნიერების განვითარებაში კიდევ მეტ წვლილს შეიტანს.

კვლევა გამოცემაში PNAS გამოქვეყნდა.