人工知能が代替物理学を発見

新着[{” attribute=””>Columbia University AI program observed physical phenomena and uncovered relevant variables—a necessary precursor to any physics theory. But the variables it discovered were unexpected.

Energy, Mass, Velocity. These three variables make up Einstein’s iconic equation E=MC². But how did Albert Einstein know about these concepts in the first place? Before understanding physics you need to identify relevant variables. Not even Einstein could discover relativity without the concepts of energy, mass, and velocity. But can variables like these be discovered automatically? Doing so would greatly accelerate scientific discovery.

This is the question that Columbia Engineering researchers posed to a new artificial intelligence program. The AI program was designed to observe physical phenomena through a video camera and then try to search for the minimal set of fundamental variables that fully describe the observed dynamics. The study was published in the journal Nature Computational Science on July 25.

写真は、動いている混沌とした動的システムを示しています。 私たちの仕事は、そのようなシステムを高次元のビデオ映像から直接記述するために必要な最小状態変数を特定して抽出することを目的としています。 クレジット：Yinuo Qin / Columbia Engineering

科学者たちは、解決策をすでに知っている物理現象の生のビデオ映像をシステムに送り始めました。 たとえば、彼らは、正確に4つの「状態変数」（各アームの角度と角速度）を持つことが知られている、揺れる二重振り子のビデオテープを送りました。 数時間の分析の後、AIはその答えを出しました：4.7。

「この答えは十分に近いと思いました」と、主に作業が行われた機械工学科のクリエイティブマシーンラボラトリーのディレクターであるフッドリプソン氏は述べています。 「特に、すべてのAIがアクセスできるのは、物理学や工学の知識がなくても生のビデオ映像だったためです。しかし、変数の数だけでなく、実際の変数を知りたかったのです。」

次に、研究者たちは、プログラムが特定した実際の変数を視覚化することに着手しました。 プログラムは人間が理解できる直感的な方法で変数を記述することができなかったため、変数自体を抽出することは困難でした。 いくつかの調査の結果、プログラムによって選択された2つの変数は腕の角度に大まかに対応していることがわかりましたが、他の2つの変数は謎のままです。

「他の変数を、角速度と線形速度、運動エネルギーと位置エネルギー、既知の量のさまざまな組み合わせなど、考えられるすべてのものに関連付けようとしました」と、現在デューク大学の助教授であるBoyuan ChenPhD’22は説明しました。 「しかし、まったく同じものはないようです。」 チームは、AIが適切な予測を行っていたため、4つの変数の有効なセットを見つけたと確信していました。「しかし、AIが話している数学的言語をまだ理解していませんでした」と彼は説明しました。

Boyuan Chenは、新しい人工知能プログラムがどのように物理現象を観察し、関連する変数を明らかにしたかを説明します。これは、物理理論の必要な前兆です。 クレジット：Boyuan Chen / Columbia Engineering

科学者たちは、既知の解決策で他の多くの物理システムを検証した後、明確な答えがわからないシステムのビデオを挿入しました。 これらのビデオの1つは、地元の中古車置き場の前で揺れる「エアダンサー」を示しました。 数時間の分析の後、プログラムは8つの変数を返しました。 同様に、Lava8ランプのビデオは8つのバリエーションを生み出しました。 彼らが休日の暖炉のエピソードからの炎のビデオを提示したとき、プログラムは24の変数を戻しました。

特に興味深い質問は、変数のセットが各システムに固有であるかどうか、またはプログラムが再起動されるたびに異なるセットが生成されるかどうかでした。 「私たちがインテリジェントなエイリアンの種族に出会ったことがあるとしたら、彼らは私たちと同じ物理法則を発見するのだろうか、それとも宇宙を異なって説明するのだろうか？」 リプソンは言った。 「間違った変数のセットを使用してそれらを理解しようとしているため、おそらくいくつかの現象は漠然と複雑に見えます。」

実験では、AIが再起動されるたびに変数の数は同じでしたが、特定の変数は毎回異なっていました。 そうです、確かに宇宙を説明する別の方法があり、私たちの選択が完全ではない可能性が非常に高いです。

研究者によると、このタイプのAIは、理論的理解が生物学から宇宙論に至るまでの膨大な量のデータと一致しない複雑な現象を科学者が発見するのに役立つ可能性があります。 「この作業ではビデオデータを使用しましたが、レーダーアレイ、または[{” attribute=””>DNA arrays, for example,” explained Kuang Huang PhD ’22, who coauthored the paper.

The work is part of Lipson and Fu Foundation Professor of Mathematics Qiang Du’s decades-long interest in creating algorithms that can distill data into scientific laws. Past software systems, such as Lipson and Michael Schmidt’s Eureqa software, could distill freeform physical laws from experimental data, but only if the variables were identified in advance. But what if the variables are yet unknown?

Hod Lipsonは、AIプログラムがどのようにして新しい物理変数を発見できたかを説明しています。 クレジット：Hod Lipson / Columbia Engineering

ジェームズとサリー・スカパのイノベーション教授でもあるリプソンは、科学者が現象を説明するための適切な変数のセットを持っていないという理由だけで、多くの現象を誤解したり理解できなかったりする可能性があると主張します。 リプソン氏は次のように述べています。「何千年もの間、人々は物体が速くまたはゆっくり動くことを知っていましたが、速度と加速度の概念が正式に定義されたときにのみ、ニュートンは彼の有名な運動の法則F=MAを発見しました。」 熱力学の法則を定式化する前に、温度と圧力を表す変数を特定する必要があります。そのため、科学の世界の隅々でそうです。 変数は、あらゆる理論の前兆です。 「変数がないという理由だけで、他にどのような法則が欠けていますか？」 仕事を共同で主導したDoeは尋ねました。

この論文は、試験のデータ収集を支援したSunandRaghupathiとIshaanChandratreyaの共著でもあります。 2022年7月1日以来、BoyuanChenはデューク大学の助教授を務めています。 仕事は共同の一部です[{” attribute=””>University of Washington, Columbia, and Harvard NSF AI institute for dynamical systems, aimed to accelerate scientific discovery using AI.

Reference: “Automated discovery of fundamental variables hidden in experimental data” by Boyuan Chen, Kuang Huang, Sunand Raghupathi, Ishaan Chandratreya, Qiang Du and Hod Lipson, 25 July 2022, Nature Computational Science.
DOI: 10.1038/s43588-022-00281-6