物理學家使用機器學習方法來揭示粒子在複雜系統中如何相互作用的意想不到的細節。他們的工作重點是非互易力，即一個粒子作用於另一個粒子而不是反向作用。
研究結果發表於 美國國家科學院院刊它們來自埃默里大學實驗物理學家和理論物理學家之間的合作。透過將客製化的神經網路與來自塵埃等離子體的實驗室數據相結合，該團隊表明人工智慧可以做的不僅僅是分析數據或做出預測。它可以幫助發現全新的物理定律。
「我們發現我們可以利用人工智慧來發現新的物理學，」埃默里大學實驗物理學教授、論文的主要作者賈斯汀伯頓說。 “我們的人工智慧方法不是一個黑盒子：我們了解它的工作原理和原因。它提供的範圍也是通用的。它可以應用於其他多體系統，以開闢新的發現途徑。”
高精度洞察塵埃等離子體力
這項研究提供了迄今為止對塵埃等離子體物理控制最詳細的描述之一。該系統由充滿相互作用的帶電粒子（包括小塵埃顆粒）的電離氣體組成。
利用他們的 AI 模型，研究人員能夠以超過 99% 的準確度描述不可逆力。這些力很難測量和建模。
「我們可以以超過 99% 的準確度描述這些力，」埃默里大學理論物理學教授、該論文的共同主要作者 Ilya Nemenman 說。 “更有趣的是，我們表明，關於這些力的一些常見理論假設並不完全準確。我們能夠糾正這些不準確之處，因為我們現在可以詳細了解正在發生的事情。”
團隊相信這種方法可以廣泛應用於由許多互動組件組成的系統。這些範圍從油漆和墨水等工業材料到活細胞群。
研究的第一作者是 Wentao Yu，他是埃默里大學的博士生，目前是加州理工學院的博士後研究員。合著者 Eslam Abdelaleem 也在埃默里大學攻讀研究生時做出了貢獻，目前是佐治亞理工學院的博士後研究員。
這項研究主要由美國國家科學基金會支持，西蒙斯基金會提供額外資助。
NSF 等離子體物理項目項目主任 Vyacheslav (Slava) Lukin 表示：“這個項目是跨學科合作的一個很好的例子，等離子體物理和人工智能新知識的發展可以推動生命系統研究的進一步進展。” “這些複雜系統的動態由集體相互作用主導，新興的人工智能技術可以幫助我們更好地描述、識別、理解甚至控制。”
第四種物質態的解釋
等離子體通常被稱為物質的第四態。在這種狀態下，氣體被電離，即電子和離子自由移動並產生特殊性質，例如導電性。從太陽升起的太陽風到地球上的閃電，等離子體約佔可見宇宙的 99.9%。
塵埃等離子體含有額外的帶電塵埃顆粒，存在於從土星環到地球電離層的許多環境中。
在月球上，微弱的重力使得帶電塵埃能夠在月球表面漂流。 「這就是為什麼當太空人在月球上行走時，他們的太空衣會沾滿灰塵，」伯頓解釋道。
在陸地上，火災期間煙灰與煙霧混合時會形成塵埃等離子體。這些帶電粒子會幹擾無線電訊號，使消防員難以溝通。
追蹤 3D 粒子運動
伯頓的實驗室透過在受控實驗中重現塵埃等離子體和類似材料來研究它們。研究人員將微小的塑膠顆粒懸浮在充滿等離子體的真空室中，以模擬更複雜的系統。透過調節氣壓，他們可以模擬現實世界的條件並觀察粒子對不同力的反應。
對於這個項目，Burton 和 Yu 開發了一種斷層掃描成像方法來捕捉粒子的三維 (3D) 運動。雷射光束穿過腔室，同時高速攝影機記錄影像。然後將這些圖片組合起來，重建數十個粒子隨時間的位置，使研究人員能夠詳細追蹤它們的運動。
使用人工智慧理解集體運動
尼門曼是一位理論生物物理學家，研究複雜的系統如何從簡單的互動中產生。他對集體運動特別感興趣，例如細胞如何在人體內運動。
「關於整個系統如何從小部分的相互作用中產生的一般問題非常重要，」內曼曼解釋道。 “例如，在癌症中，你想了解細胞的相互作用如何與其中一些細胞遠離腫瘤並移動到新的地方，成為轉移灶有關。”
與生命系統相比，塵埃等離子體為測試新想法提供了更簡單的環境。這使其成為探索人工智慧是否能夠發現新物理原理的理想案例。
「儘管人們都在談論人工智慧如何徹底改變科學，但人工智慧系統發現根本性新事物的直接例子卻很少，」內門曼說。
設計用於發現的神經網絡
建構人工智慧模型需要仔細規劃。與在大量資料集上訓練的系統不同，此專案的實驗數據有限。
「當你研究新事物時，你沒有大量數據來訓練人工智慧，」內曼曼解釋道。 “這意味著我們應該設計一個可以用少量數據進行訓練並且仍然可以學習新東西的神經網路。”
團隊花了一年多的時間透過每週會議完善設計。
「我們必須建立網路以遵循必要的規則，使我們能夠探索和推斷未知的物理現象，」伯頓解釋道。
「我們花了一年多的時間來回這些每週的會議，」內曼曼補充道。 “一旦我們弄清楚了訓練網路的正確結構，事情就變得非常簡單。”
最終模型將粒子運動分為三個主要效應：速度阻力、重力周圍的環境力和粒子間力。
驚人的結果和新的見解
經過 3D 粒子軌跡訓練後，AI 成功捕捉了複雜的相互作用，包括粒子之間的不對稱力。
研究人員將這種行為與兩艘穿過湖的船進行了比較。每艘船都會產生影響另一艘船的波浪。根據它們的位置，這些波浪可以以不同的方式推動或拉動船隻。
「在塵埃等離子體中，我們描述了前導粒子如何吸引尾隨粒子，但尾隨粒子總是將尾隨粒子推到一邊，」內門曼解釋道。 “這種現像是一些人預料到的，但現在我們有了一種以前不存在的精確方法。”
結果也挑戰了早期的理論。一個古老的想法表明，粒子上的電荷與其大小成比例地增加。新的發現表明，雖然較大的粒子攜帶更多的電荷，但這種關係更加複雜，並且取決於等離子體密度和溫度等因素。
另一個假設指出，粒子之間的力隨著距離的增加呈指數下降，這種下降方式與粒子大小無關。人工智慧模型顯示，顆粒大小會影響這些力的減弱方式。
研究小組透過額外的實驗證實了這些發現。
分析複雜系統的新工具
研究人員開發了一種基於物理的神經網絡，可以在標準桌上型電腦上運行。他們相信它為研究不同領域的多體系統提供了一個靈活的框架。
內曼曼很快就會在德國康斯坦茨集體行為學院任教，那裡的科學家研究從鳥群到人群的各種系統。
「我將教導世界各地的學生如何使用人工智慧來推斷集體運動的物理原理，不是在塵土飛揚的等離子體中，而是在生命系統中，」他說。
儘管取得了這些進步，人類知識仍然至關重要。科學家必須仔細設計模型並解釋結果。
伯頓說：“開發和使用人工智慧工具需要批判性思維，才能在科學、技術和人文學科方面取得真正的進步。”
他對未來仍然樂觀。
「我認為這是《星際爭霸戰》的座右銘，即敢於去無人去過的地方，」伯頓說。 “人工智慧的廣泛應用可以為探索新領域打開大門。”
