شناسایی متغیرها در مفاهیم فیزیکی با برنامه هوش مصنوعی
شناسایی متغیرها در مفاهیم فیزیکی با برنامه هوش مصنوعی
این برنامه از یک دوربین فیلمبرداری برای مشاهده دینامیک استفاده می کند و سپس اطلاعات را پردازش می کند تا مجموعه حداقلی از متغیرهای اساسی را بگوید.
تهران – ایرنا – آزمایشهای محققان در دانشگاه کلمبیا آمریکا نشان داد که برنامههای هوش مصنوعی میتواند با تجزیه و تحلیل انبوه دادههای جدید در مواردی مانند فیزیک کوانتوم و ذرات بنیادین به دانشمندان در کشف متغیرهای زیربنایی مفاهیم ناشناخته فیزیک کمک کند.
برای درک هر پدیده فیزیکی، باید متغیرهای مسئول آن را شناسایی کرد. در حالی که دانشمندان با متغیرهای بسیاری از اتصالات فیزیکی آشنا هستند، برخی از آنها گریزان مانده اند.
اکنون، محققان دانشگاه کلمبیا از هوش مصنوعی (AI) برای توسعه برنامه ای استفاده کرده اند که چنین پدیده های فیزیکی را مشاهده کرده و متغیرهای مربوطه را شناسایی می کند.
این برنامه از یک دوربین فیلمبرداری برای مشاهده دینامیک استفاده می کند و سپس اطلاعات را پردازش می کند تا حداقل مجموعه ای از متغیرهای اساسی مورد نیاز برای توصیف آن را بیان کند.
در این مطالعه که در Nature Computational Science منتشر شد، محققان با پردازش ویدیوی خام در سیستمی که پاسخ آن را قبلاً می دانستند، شروع کردند. آنها سپس نتیجه سیستم هوش مصنوعی را با نتیجه سیستم خود تطبیق دادند که معلوم شد نزدیک است. “ما فکر می کردیم که این پاسخ به اندازه کافی نزدیک است. جایی که کار در درجه اول انجام شد.
به خصوص که تمام هوش مصنوعی بدون هیچ دانشی از فیزیک یا هندسه به ویدئوهای خام دسترسی داشتند.
هاد لیپسون، مدیر آزمایشگاه ماشینهای خلاق در دپارتمان مهندسی مکانیک، میگوید: اما ما میخواستیم بدانیم که این متغیرها واقعاً چه هستند، نه فقط تعداد آنها. لیپسون نیز نویسنده این مطالعه است. به دنبال این، تیم تلاش کرد تا متغیرهایی را که برنامه شناسایی کرده بود، تجسم کند.
در حالی که آنها دو متغیر مربوط به زوایای بازوها را پیدا کردند، دو متغیر دیگر قابل توصیف نبودند. ما سعی کردیم متغیرهای دیگر را با هر چیزی که فکر میکنیم مرتبط کنیم: سرعتهای زاویهای و خطی، انرژی جنبشی و پتانسیل، و ترکیبهای مختلفی از کمیتهای شناخته شده.
Boyuan Chen PhD ’22، استادیار دانشگاه دوک و نویسنده اصلی این مطالعه توضیح داد، اما به نظر میرسید که هیچ چیز کاملاً مطابقت نداشته باشد. محققان به آزمایش این سیستم ادامه دادند و ویدیوهایی را در سیستم تغذیه کردند که پاسخی برای آنها نداشتند. اینها شامل ویدئوهایی از یک رقصنده هوا و یک لامپ گدازه بود. سیستم برای هر دوی آنها هشت متغیر داد.
در همین حال، برای ویدئویی از شعله های آتش از یک حلقه شومینه تعطیلات، سیستم 24 متغیر را برگرداند.
این تیم اکنون امیدوار است که چنین برنامهای با هوش مصنوعی بتواند به دانشمندان در رمزگشایی پدیدههای پیچیده در حوزههایی از زیستشناسی تا کیهانشناسی کمک کند.