AI разбра как работи Вселената: моделът PhyE2E извежда физични формули от необработени данни и коригира уравненията на НАСА

Нима науката вече официално не принадлежи само на хората?

Китайски изследователи представиха изкуствен интелект, който може самостоятелно да извлича физични закони и формули от необработени данни. Системата, наречена PhyE2E, е създадена от специалисти от университетите Цинхуа и Пекин с подкрепата на редица научни институции.

Основната идея на разработката е да превърне изкуствения интелект от инструмент за подреждане на криви в средство за откриване на значими закономерности. PhyE2E не просто изгражда статистически модели, а формулира компактни математически изрази, последователни по отношение на физическите единици. Това означава, че резултатът не е абстрактна теория под формата на обобщени заключения, а уравнение, което може да бъде тествано, интерпретирано и използвано в научната работа.

По време на обучението системата е изучавала реални физически данни и известни уравнения. Алгоритъмът постепенно е „разбрал“ как изглеждат правдоподобните формули, като е усъвършенствал структурата им и е комбинирал различни варианти, така че да се запази размерността на физичните величини. В основата на PhyE2E е архитектурата трансформер, която превежда данните директно в символен израз и подходящи мерни единици.

За да се справи със сложните проблеми, моделът прилага стратегия за разделяне на подпроблеми. Той анализира 2-те производни в помощна невронна мрежа и разлага проблема на няколко прости уравнения. След това извършва кратка оптимизация с помощта на методите за дървовидно търсене Монте Карло и генетично програмиране, които прецизират числените коефициенти и структурата на крайната формула. В резултат на това системата създава уравнение, което не само описва данните, но и има физически смисъл.

Разработчиците тестват PhyE2E върху синтетични набори от данни и върху реални проекти с изчисления на НАСА. В 5 задачи, свързани с космическата физика, невронната мрежа изведе уравнения, които съвпадат с формулите, получени от хората, а в някои случаи – по-точно описват определени явления. Така например при анализа на архивните данни на НАСА за 1993 г. PhyE2E предложи усъвършенстван математически израз за описание на слънчевите цикли, както и определи връзката между слънчевата радиация, температурата и магнитното поле.

Авторите на проекта отбелязват, че системата се учи не само да напасва стойностите, но и да търси логическите вериги, които запазват физическия смисъл. Тя разчита на знанията, натрупани под формата на вече известни уравнения, и предлага нови комбинации, които не нарушават законите за размерността. По същество PhyE2E съчетава възможностите на големите езикови модели и символната математика, като превръща машинното обучение в инструмент за научен анализ.

В бъдеще се планира разработката да се използва за обработка на експериментални и астрофизични данни, където нелинейните връзки и шумът са често срещани. Изследователите също така ще разширят архитектурата на модела, като добавят поддръжка на операции за диференциране и интегриране, което ще му позволи да извежда уравнения с частни производни – основата на повечето физични теории.

Създателите на PhyE2E виждат в това стъпка към „прогнозиращ изкуствен интелект“, който може не само да прави прогнози, но и да обяснява как и защо те са получени. Този подход, според тях, може да промени самия принцип на научното търсене: вместо подбиране на формули – автоматично откриване на закономерности, които след това човек може да провери и да не губи време по пътя към най-големите открития.