埃默里大学（Emory University）科学家开发的自定义AI神经网络已纠正了多年来塑造等离子体理论的错误假设，其中包括有关粒子电荷的一个。
代表性图像。
与典型的AI研究不同，模型可以预测结果或清理数据，亚特兰大埃默里大学的研究人员做了不寻常的事情。他们培训了一个神经网络以发现新物理。
该团队通过从一个神秘的物质状态Dusty等离子体中喂食他们的AI系统实验数据，从而实现了这一独特的壮举，这是一种热，电荷的气体，充满了微小的灰尘颗粒。然后，科学家看着AI揭示了对以前从未完全理解过的奇怪力量的出奇准确描述。
该开发表明，AI可用于发现以前未知的法律，这些定律控制了粒子在混沌系统中的相互作用。另外，它纠正了血浆物理学的长期假设，并为研究复杂的许多粒子系统打开了从活细胞到工业材料的大门。
使用传统物理学理解这种相互作用已被证明非常困难。因此，为了解决这个问题，科学家建立了一个复杂的3D成像系统，以观察塑料灰尘颗粒如何在腔室内移动充满血浆。他们使用激光片和高速摄像头随着时间的推移捕获成千上万的微小粒子运动。
然后使用这些详细的轨迹训练自定义神经网络。与大多数需要大型数据集的AI模型不同，Emory团队的网络受到了一个小但丰富的数据集的培训，并经过内置的物理规则，例如对重力，拖动和粒子对粒子的力量进行核算。
当您探索新事物时，您没有很多数据可以培训AI。这意味着我们将不得不设计一个可以接受少量数据培训的神经网络，但仍然会学到一些新知识。”
例如，一个这样的假设是，粒子的电荷随着其大小而完全增加，它不是。相反，这种关系取决于周围血浆的密度和温度。
另一个错误的想法是，颗粒之间的力总是随着距离而指定的，无论其大小如何。这人工智能揭示了这种下降还取决于粒子的大小，这是先前被忽略的洞察力。
最好的部分是，这种AI模型在像台式计算机一样适度的情况下运行。它产生了一个通用框架，现在可以应用于从涂料混合物到活生物体中迁移细胞的各种多种粒子系统。这项研究还表明，人工智能远远超出了重新数字。它实际上可以帮助科学家发现自然的隐藏规则。
nemenman说，对于所有关于AI如何彻底改变科学的讨论，很少有例子是AI系统直接发现了一些新事物。” Nemenman说。希望这项工作将鼓励科学家探索AI可以使科学和社会受益的许多其他方式。
这学习发表在期刊上PNAS。
关于作者
鲁本德拉·布拉汉布特Rupendra Brahambhatt是一位经验丰富的作家，研究员，记者和电影制片人。在大众传播方面的科学和PGJMC的荣誉（荣誉）中，他一直在与一些最具创新性的品牌，新闻机构，数字杂志，纪录片制片人和非营利组织的非营利组织一起积极合作。作为作者，他有愿景来提出正确的信息并鼓励群众之间的建设性思维方式。