Un physicien axé sur l’IA a peut-être découvert une nouvelle forme de physique

Qiang Du, professeur de mathématiques à la Lipson and Fu Foundation, s’intéresse depuis de nombreuses années au développement d’algorithmes capables de transformer des données en règles scientifiques. Ce n’est que si les variables étaient connues à l’avance que les systèmes logiciels antérieurs, comme le logiciel Eureqa de Lipson et Michael Schmidt, pouvaient extraire des principes physiques de forme libre à partir de données expérimentales. Mais que se passe-t-il si aucune des variables n’est encore connue ?

Lipson, qui est également professeur d’innovation James et Sally Scapa, soutient que l’absence d’une collection adéquate de variables pour définir de nombreux événements peut amener les scientifiques à les interpréter ou à les sous-estimer.

“Pendant des millénaires, les gens connaissaient les objets se déplaçant rapidement ou lentement, mais ce n’est que lorsque la notion de vitesse et d’accélération a été formellement quantifiée que Newton a pu découvrir sa célèbre loi du mouvement F = MA”, a expliqué Lipson. Les variables décrivant la température et la pression devaient être identifiées avant que les lois de la thermodynamique puissent être formalisées, et ainsi de suite pour tous les coins du monde scientifique.

Ces variables, de manière critique, sont un précurseur de toute théorie. “Quelles autres lois manquons-nous simplement parce que nous n’avons pas les variables?” a demandé Du, qui a codirigé les travaux.

Vous pouvez consulter l’intégralité de l’étude par vous-même dans la revue Nature Computational Science.

L’article a également été co-écrit par Sunand Raghupathi et Ishaan Chandratreya, qui ont aidé à collecter les données pour les expériences. Depuis le 1er juillet 2022, Boyuan Chen est professeur adjoint à l’Université Duke. Le travail fait partie d’un institut conjoint de l’Université de Washington, Columbia et Harvard NSF AI pour les systèmes dynamiques visant à accélérer la découverte scientifique à l’aide de l’IA.

Résumé:

“Toutes les lois physiques sont décrites comme des relations mathématiques entre les variables d’état. Ces variables donnent une description complète et non redondante du système concerné. Cependant, malgré la prévalence de la puissance de calcul et de l’intelligence artificielle, le processus d’identification des variables d’état cachées elles-mêmes a résisté à l’automatisation. La plupart des méthodes basées sur les données pour modéliser les phénomènes physiques reposent toujours sur l’hypothèse que les variables d’état pertinentes sont déjà connues. principe pour déterminer le nombre de variables d’état qu’un système observé est susceptible d’avoir, et quelles pourraient être ces variables. connaissance de la physique sous-jacente, notre algorithme découvre la dimension intrinsèque de la dynamique observée et identifie les ensembles candidats de variables d’état.”

.

Leave a Comment