هوش مصنوعی قوانین فیزیک پلاسما را بازنویسی کرد

هوش مصنوعی، بازنویس قوانین فیزیک

برخلاف کاربردهای رایج هوش مصنوعی در پیش‌بینی یا پالایش داده‌ها، تیم دانشگاه اموری از هوش مصنوعی برای کشف قوانین جدید فیزیک بهره برد. آن‌ها با آموزش یک مدل هوش مصنوعی با داده‌های تجربی مربوط به پلاسماهای غباری (حالتی از ماده متشکل از گاز داغ و باردار حاوی ذرات ریز غبار)، توانستند توصیف‌های دقیقی از نیروهای پیچیده و ناشناخته‌ای به دست آورند که پیش‌تر تنها به‌طور مبهم حدس زده می‌شدند.

درک بهتر رفتار ذرات در محیط‌های پیچیده

پلاسماهای غباری در محیط‌های متنوعی از جمله حلقه‌های زحل، سطح ماه و دود آتش‌سوزی‌های زمینی یافت می‌شوند. با این حال، نیروهای مؤثر بر ذرات در این محیط‌ها به‌درستی شناسایی نشده بودند. یکی از دلایل اصلی این چالش، رفتار غیرمتقارن این سیستم‌هاست: نیرویی که یک ذره بر دیگری وارد می‌کند، لزوماً معکوس نمی‌شود.

برای غلبه بر این مشکل، پژوهشگران یک سیستم تصویربرداری سه‌بعدی پیشرفته طراحی کردند. این سیستم با استفاده از لیزر و دوربین‌های پرسرعت، حرکات هزاران ذره پلاستیکی را در محیط پلاسمایی ثبت و دنبال می‌کرد. داده‌های به‌دست‌آمده سپس به یک شبکه عصبی ویژه داده شد که با در نظر گرفتن قواعد فیزیکی مانند گرانش، اصطکاک و نیروی بین‌ذره‌ای طراحی شده بود.

کشف رفتارهای نو با دقت بیش از ۹۹ درصد

این شبکه عصبی، برخلاف مدل‌های رایج، به داده‌های زیاد برای یادگیری نیاز نداشت و توانست از اطلاعات محدود، الگوهای دقیق استخراج کند. مدل طراحی‌شده، حرکت ذرات را به سه مؤلفه اصلی تقسیم کرد:

• اثرات سرعت: مانند اصطکاک
• نیروهای محیطی: مانند گرانش
• نیروهای بین‌ذره‌ای

نتیجه این فرآیند، کشف توصیف‌های دقیقی از نیروهای غیرمتقارن بین ذرات با دقتی بیش از ۹۹ درصد بود. یکی از یافته‌های جالب این بود که در برخی موارد، زمانی که یک ذره در موقعیت پیشتاز قرار می‌گیرد، ذره پشتی را به‌سوی خود می‌کشد، اما ذره پشتی، ذره پیشتاز را پس می‌زند؛ الگویی که پیش‌تر فقط در حد فرضیه مطرح شده بود.

اصلاح مفروضات قدیمی فیزیک پلاسما

هوش مصنوعی طراحی‌شده همچنین موفق شد مفروضات نادرستی را که سال‌ها در نظریه فیزیک پلاسما رایج بودند، اصلاح کند:

• بار الکتریکی ذرات: پیش‌تر تصور می‌شد که بار الکتریکی یک ذره دقیقاً با اندازه آن افزایش می‌یابد، اما هوش مصنوعی نشان داد که این رابطه به چگالی و دمای پلاسما بستگی دارد.
• نیروی میان ذرات: برخلاف باور رایج که نیروی میان ذرات به‌طور نمایی با فاصله کاهش می‌یابد، مشخص شد که این روند نیز با اندازه ذرات در ارتباط است.

از کامپیوتر خانگی تا درک جهانی از رفتار ماده

نکته قابل توجه این است که تمام این محاسبات پیچیده با استفاده از یک رایانه رومیزی معمولی انجام شده است. چارچوب طراحی‌شده توسط تیم اموری اکنون به‌عنوان مدلی عمومی قابل استفاده برای مطالعه سیستم‌های چندذره‌ای متنوعی از جمله مخلوط رنگ‌ها و سلول‌های زنده مهاجر در بدن موجودات زنده خواهد بود.

ایلیا نمنمن، نویسنده ارشد این مطالعه، اظهار داشت: «ما نشان دادیم که می‌توان از هوش مصنوعی برای کشف قوانین جدید فیزیک استفاده کرد، نه صرفاً تحلیل داده‌ها. این سیستم مانند یک جعبه سیاه نیست؛ ما دقیقاً می‌دانیم که چگونه و چرا کار می‌کند و این می‌تواند راهی تازه برای پیشرفت علم و جامعه باز کند.»