سالهاست که دانشمندان با استفاده از مغز خود بهعنوان ابزار اساسی به پیشرفتهای بزرگی در فیزیک دست یافتهاند، اما چه میشد اگر هوش مصنوعی بتواند به این اکتشافات کمک کند؟
طبق بیانیه مطبوعاتی این بنیاد، محققان دانشگاه دوک توضیح دادند که ترکیب فیزیک شناخته شده در الگوریتم های یادگیری ماشین می تواند منجر به سطوح جدیدی از کشف در خواص مواد شود.
در اولین پروژه در نوع خود، محققان یک الگوریتم یادگیری ماشینی ساختند تا ویژگیهای دستهای از مواد موسوم به فرامواد را استنباط کنند و نحوه تعامل آنها با میدانهای الکترومغناطیسی را تعیین کنند.
خواص فرامواد را پیش بینی کنید
نتایج آزمایش فوقالعاده بود.الگوریتم جدید به طور دقیقتری خواص فراماده را بهطور مؤثرتر از روشهای قبلی پیشبینی میکرد و در عین حال بینشهای جدیدی را ارائه میکرد.
ویلی پادیلا، استاد مهندسی برق و کامپیوتر در دانشگاه دوک، میگوید: «با ادغام فیزیک شناخته شده مستقیماً در یادگیری ماشین، این الگوریتم میتواند راهحلهایی را با دادههای کمتر و در زمان کمتر پیدا کند.
جردن مالوف، استادیار پژوهشی مهندسی برق و کامپیوتر، گفت: شبکههای عصبی هوش مصنوعی سعی میکنند الگوهایی را در دادهها بیابند، اما گاهی اوقات الگوهایی که پیدا میکنند با قوانین فیزیک مطابقت ندارند و این باعث میشود مدلی که ایجاد میکنند غیرقابل اعتماد باشد. در دانشگاه دوک ما با وادار کردن شبکه عصبی به اطاعت از قوانین فیزیک، از یافتن روابطی که ممکن است با داده ها مطابقت داشته باشند اما در واقع درست نیستند، جلوگیری کردیم.»
آنها این کار را با تحمیل یک فیزیک به شبکه عصبی به نام مدل لورنتس انجام دادند. این مجموعه ای از معادلات است که چگونگی تشدید خواص ذاتی یک ماده در میدان الکترومغناطیسی را توصیف می کند.
عمر الخطیب، محقق فوق دکتری که در آزمایشگاه پادیلا کار میکند، گفت: «وقتی یک شبکه عصبی را قابل تفسیرتر میسازید، کاری که ما در اینجا تا حدی انجام دادهایم، تنظیم کردن آن دشوار است. بهبود آموزش برای دیدن الگوها.”
پادیلا گفت: «اکنون که نشان دادیم میتوان این کار را انجام داد، میخواهیم این رویکرد را در سیستمهایی که فیزیک در آنها ناشناخته است اعمال کنیم.
مالوف افزود: “بسیاری از مردم از شبکه های عصبی برای پیش بینی خواص مواد استفاده می کنند، اما دریافت داده های آموزشی کافی از شبیه سازی ها یک مانع بزرگ است.” این کار به ایجاد مدل هایی کمک می کند که به داده های زیادی نیاز ندارند. در کل مفید است.”