Egy kínai AI-rendszer nyers adatokból is képes felfedezni az űrfizika törvényeit

Kínai kutatók egy olyan forradalmi mesterséges intelligencia (AI) rendszert fejlesztettek ki, amely képes nyers adatokból automatikusan felfedezni az űrfizika törvényeit. A PhyE2E nevű rendszert a Pekingi Egyetem és a szintén pekingi Csinghua Egyetem vezetésével hozták létre, eredményeiket pedig a Nature Machine Intelligence folyóiratban tették közzé.

Míg a legtöbb AI-modell csak azt tanulja meg, hogy miként illeszkednek különböző adatok egy-egy görbére, de a mögöttes szabályokat nem érti, addig a PhyE2E az emberek által is könnyen olvasható képleteket és egyenleteket hoz létre, amelyek rövidek, értelmezhetők és fizikailag is helytállók. A kutatók a modellt nagy nyelvi modellek (LLM) által generált szintetikus adatokon és valós űrfizikai méréseken is tesztelték – a rendszer a bonyolultabb fizikai problémákat kisebb, egyszerűbben megoldható részekre bontja, majd onnan építkezik.

Amikor az AI-t öt, a NASA által biztosított valós űrfizikai adatsoron tesztelték, képes volt újra felfedezni ismert összefüggéseket, sőt néhány esetben még pontosabb képletekkel állt elő, mint amiket emberek írtak le. Az 1993-as NASA-adatok elemzése után például sikeresen javított a napciklusokat matematikailag megmagyarázó képleten, de a napsugárzás, a hőmérséklet és a mágneses tér kapcsolatát is megfejtette a nyers adatokból.

A kutatást vezető Csou Jüan szerint a kutatás célja az volt, hogy az AI „túllépjen az egyszerű görbeillesztésen”, és olyan eszközt hozzanak létre, amely valódi tudományos felfedezéseket tesz lehetővé. A PhyE2E ennek megfelelően képes megtanulni a már ismert fizikai törvények szerkezetét, majd azok alapján új, logikus és mértékegységileg is összhangban lévő képleteket alkotni.

A rendszer természetesen nemcsak az űrfizikában használható, hanem a kutatók szerint például a klímatudományban, az anyagtudományban és más területeken is, ahol bonyolult adatokból kell értelmezhető modelleket alkotni. A kutatók következő lépésben továbbfejlesztik a rendszert, hogy bonyolultabb, például differenciálegyenleteken alapuló törvényeket is kezeljen, és jobban alkalmazkodjon a (mérési hibákból vagy véletlenszerű ingadozásokból fakadóan) zajosabb laboratóriumi adatokhoz. A céljuk az, hogy a mesterséges intelligencia értelmezhetőbb és megbízhatóbb tudományos eszközzé váljon, amely akár új természeti törvények felfedezését is elősegítheti.