کشف ویژگی‌های غیرمنتظره نیروهای فیزیکی با هوش مصنوعی در دانشگاه اموری

هوش مصنوعی: ابزاری برای کشف قوانین فیزیکی

در حالی که اغلب کاربردهای هوش مصنوعی در علم به تحلیل داده‌ها یا پیش‌بینی محدود می‌شود، این پروژه از قابلیت‌های آن برای آشکارسازی قوانین فیزیکی ناشناخته بهره برده است. جاستین برتون، استاد فیزیک تجربی و نویسنده ارشد مقاله، تاکید می‌کند: «ما نشان دادیم که می‌توان از هوش مصنوعی برای کشف فیزیک جدید استفاده کرد. 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، نیز می‌افزاید: «این مطالعه دقیق‌ترین توصیف تاکنون از نیروهای غیرمتقابل در پلاسمای گرد را 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 و اهمیت آن

پلاسما، که تقریباً ۹۹.۹ درصد از ماده قابل رؤیت جهان را تشکیل می‌دهد، گازی یونیزه است که در آن الکترون‌ها و یون‌ها آزادانه حرکت می‌کنند و ویژگی‌های منحصربه‌فردی مانند رسانایی الکتریکی دارد. این حالت از ماده در پدیده‌هایی نظیر بادهای خورشیدی، رعد و برق و حلقه‌های سیاره‌ای مشاهده می‌شود.

پلاسمای گرد، علاوه بر یون‌ها و الکترون‌ها، شامل ذرات گرد باردار نیز هست و در محیط‌های کیهانی و سیاره‌ای مانند حلقه‌های زحل یا یونوسفر زمین یافت می‌شود. حتی در ماه، جاذبه ضعیف باعث شناور ماندن ذرات گرد باردار می‌شود، که به همین دلیل لباس فضانوردان هنگام راه رفتن روی ماه پوشیده از گرد و غبار می‌شود.

روش‌شناسی: آزمایشگاه و تصویربرداری سه‌بعدی

تیم برتون برای این مطالعه، ذرات پلاستیکی کوچک را در یک محفظه خلأ پر از پلاسما معلق کردند تا مدلی ساده از سیستم‌های پیچیده‌تر ایجاد کنند. با تغییر فشار گاز، شرایط فیزیکی مختلف شبیه‌سازی شد و پاسخ سیستم به نیروهای خارجی مورد مشاهده قرار گرفت.

پژوهشگران برای این منظور، روش تصویربرداری توموگرافیک سه‌بعدی را توسعه دادند. در این روش، یک لیزر صفحه‌ای محفظه را اسکن می‌کرد و یک دوربین سرعت‌بالا تصاویر را ثبت می‌کرد. با ترکیب تصاویر از زوایای مختلف، موقعیت سه‌بعدی ذرات طی چند دقیقه در مقیاس سانتی‌متری بازسازی شد.

نمنمن، که یک فیزیکدان نظری زیست‌فیزیک است، بر مطالعه اصول حاکم بر سیستم‌های پویا و پیچیده طبیعی، به‌ویژه سیستم‌های زیستی، تمرکز دارد. او بر حرکت جمعی، مانند نحوه جابجایی و هماهنگی سلول‌ها در بدن انسان، تاکید می‌کند و 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 پلاسمای گرد، فرصتی مناسب برای بررسی حرکت جمعی در محیطی ساده‌تر از موجود زنده فراهم آورد و زمینه‌ای ایده‌آل برای کاربرد هوش مصنوعی در کشف بینش‌های فیزیکی تازه بود.

شبکه عصبی ویژه و کشف نیروهای غیرمتقابل

شبکه عصبی طراحی‌شده در این پژوهش، 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. این یافته‌ها توسط آزمایش‌های آزمایشگاهی نیز تأیید گردید.

چارچوبی جهانی برای سیستم‌های پیچیده

شبکه عصبی فیزیک‌محور این پژوهش، که روی کامپیوتر رومیزی اجرا می‌شود، چارچوبی نظری و جهانی برای کشف قوانین سیستم‌های چندذره‌ای پیچیده ارائه می‌دهد. نمنمن قصد دارد از این روش برای آموزش دانشجویان بین‌المللی استفاده کند تا بتوانند فیزیک حرکت جمعی را در سیستم‌های زنده کشف کنند.

برتون در پایان سخنانش 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.»