[ad_1]
Исследователи из Университета Кобе и Университета Осаки успешно разработали технологию искусственного интеллекта, которая может извлекать скрытые уравнения движения из обычных данных наблюдений и создавать модель, которая соответствует законам физики.
Эта технология могла позволить нам обнаружить скрытые уравнения движения, лежащие в основе явлений, законы которых считались необъяснимыми. Например, можно использовать знания и модели, основанные на физике, для изучения устойчивости экосистемы.
Исследовательская группа состояла из доцента Ягути Такахару и доктора философии. студентка ЧЭН Юхан (Высшая школа системной информатики, Университет Кобе) и доцент МАЦУБАРА Такаши (Высшая школа инженерных наук, Университет Осаки).
Эти научные достижения были обнародованы 6 декабря 2021 г. и представлены на Тридцать пятая конференция по системам обработки нейронной информации (NeurIPS2021), престижная встреча по технологиям искусственного интеллекта. Это исследование было среди 3% лучших, отобранных для категории «В центре внимания».
Основные положения
- Возможность моделировать (формулировать) физические явления с помощью искусственного интеллекта может привести к чрезвычайно точному и высокоскоростному моделированию.
- В современных методах с использованием искусственного интеллекта необходимо использовать преобразованные данные, которые соответствуют уравнению движения. Поэтому трудно применить искусственный интеллект к фактическим данным наблюдений, для которых неизвестны уравнения движения.
- Исследовательская группа использовала геометрию для разработки искусственного интеллекта, который может находить скрытое уравнение движения в предоставленных данных наблюдений (независимо от его формата) и соответствующим образом моделировать его.
- В будущем, возможно, удастся обнаружить скрытые физические законы, лежащие в основе явлений, которые ранее считались несовместимыми с законами Ньютона, например, изменения экосистем.
- Это позволит нам проводить исследования и моделирование, связанные с этими явлениями, с использованием законов физики, которые могут выявить ранее неизвестные свойства.
Предпосылки исследования
Обычно предсказания физических явлений выполняются с помощью моделирования с использованием суперкомпьютеров. В этих симуляциях используются математические модели, основанные на законах физики, однако, если модель не очень надежна, результаты также не будут надежными. Следовательно, очень важно разработать метод создания высоконадежных моделей на основе данных наблюдений за явлениями. Кроме того, в последние годы спектр приложений физики расширился за пределы наших предсказаний, и было продемонстрировано, что можно применить законы Ньютона к другим аспектам, например, как часть модели для демонстрации изменений экосистемы. Однако конкретное уравнение движения во многих случаях до сих пор не обнаружено.
Методология исследования
Это исследование разработало метод открытия новых уравнений движения в данных наблюдений для явлений, к которым могут быть применены законы Ньютона. Ранее проводились исследования по обнаружению уравнений движения на основе данных, однако предшествующий метод требовал, чтобы данные были в соответствующем формате, чтобы соответствовать предполагаемой специальной форме уравнения движения. Однако в действительности во многих случаях неясно, какой формат данных лучше использовать, поэтому применять реалистичные данные сложно.
В ответ на это исследователи посчитали, что соответствующее преобразование данных наблюдений сродни преобразованию координат в геометрии, тем самым решив проблему, применив геометрическую идею инвариантности преобразования координат, обнаруженную в физике. Для этого необходимо осветить неизвестные геометрические свойства явлений. Впоследствии исследовательской группе удалось разработать ИИ, который может находить эти геометрические свойства в данных. Если уравнения движения могут быть извлечены из данных, то можно будет использовать эти уравнения для создания моделей и моделирования, которые соответствуют физическим законам.
Дальнейшие разработки
Физическое моделирование проводится в широком диапазоне областей, включая прогнозирование погоды, открытие лекарств, анализ зданий и проектирование автомобилей, но обычно они требуют обширных расчетов. Однако, если ИИ сможет учиться на данных конкретных явлений и строить мелкомасштабные модели с использованием предложенного метода, это упростит и ускорит вычисления, которые верны законам физики. Это будет способствовать развитию вышеупомянутых месторождений.
Кроме того, мы можем применить этот метод к аспектам, которые на первый взгляд кажутся не связанными с физикой. Если в таких случаях можно будет извлечь уравнения движения, это позволит проводить исследования и моделирование, основанные на физических знаниях, даже для явлений, которые считались невозможными для объяснения с помощью физики. Например, в данных о популяции животных можно найти скрытое уравнение движения, которое показывает изменение количества особей. Это можно использовать для исследования устойчивости экосистемы путем применения соответствующих физических законов (например, закона сохранения энергии и т. Д.).
Благодарности
Это исследование получило финансирование от следующих источников:
- Программа финансирования CREST (Основные исследования эволюционной науки и технологий) Японского агентства науки и технологий (JST) для командных исследований:
Область исследований: «Создание платформы использования информации путем интеграции математических и информационных наук и развития в обществе» (научный руководитель: UEDA Наонори).
Название исследовательского проекта: «Моделирование и моделирование систем с сохранением структуры на основе геометрической дискретной механики» (номер гранта JPMJCR1914) (директор по исследованиям: Ягути Такахару).
Связанный
[ad_2]
Source