角速度和线速度 线速度和角速度的公式及关系
来自SciTechDaily的报道
编译:机器之心
人工智能在发现物理规律方面的应用已经不再新鲜。前些日子,我们曾经报道过“让GNN通过数据自主发现万有引力定律”的案例。这种情况在没有任何变量的前提下是否仍然适用?哥伦比亚大学的一项新研究表明,AI通过仅仅观察摄像头捕捉到的现象,也能提取出变量。更令人惊讶的是,这些变量中可能包含了人类尚未意识到的新发现。这一发现是否意味着我们能通过这种方法揭示出更多未被发现的物理规律呢?
质能方程E = mc²揭示了能量与质量之间的关系。在这个公式中,E代表能量,m是质量,c是光速(常数,c=299792458米/秒,通常约为3.00×10^8米/秒)。这个公式由爱因斯坦提出,用于解释核反应中的质量损失以及计算高能物理粒子的能量,还促成了波动力学的诞生。
爱因斯坦在提出这一方程时显然已经掌握了能量、质量和速度等基本变量。如果没有这些基础变量,即使是爱因斯坦也无法推导出相对论的公式。令人惊叹的是,如今的人工智能可以自动发现这些变量,甚至发现一些超出人类已知范围的变量。这一进展可能会极大地加速科学的发现过程。
哥伦比亚大学的研究团队最近进行了一个有趣的实验,他们让人工智能程序通过摄像机观察物理现象,尝试从中提取出描述现象所需的最小基本变量集。相关的研究论文已于7月25日发表在《Nature Computational Science》杂志上。
论文链接:www./articles/s431-6
在这项研究中,AI被要求观察一个混沌的摇杆驱动系统的运动视频,并从这些复杂的高维数据中识别和提取描述该系统所需的最少变量。
研究人员首先使用了已知解决方案的物理现象视频作为测试数据。例如,他们提供了一个双摆系统的视频,已知该系统有4个状态变量,包括两个摆臂的角度和角速度。经过数小时的分析,人工智能的输出结果为4.7。
接下来,研究人员可视化了AI程序识别出的实际变量。提取这些变量的过程相当复杂,因为程序以一种难以用人类直观方式理解的形式描述它们。经过深入分析,发现AI选择的两个变量似乎与两个摆臂的角度相符,但其他两个变量的具体含义仍不明确。
当科学家们将这种方法应用于他们尚未掌握明确答案的物理系统时,结果同样引人注目。例如,分析一个随风摆动的气球的视频,AI提取出了8个变量。类似地,对熔岩灯的视频分析也得到了8个变量,而对壁炉的视频则提取出了24个变量。
一个特别引人关注的问题是:AI程序所识别出的每个系统的变量集是否唯一?也就是说,每次程序重启后,识别出的变量集是否会发生变化?
Lipson表示:“我常常在想,如果我们遇到一个非常聪明的外星文明,他们是否已经发现了一些我们尚未了解的物理规律?或者,他们是否以不同的方式描述了宇宙?”他继续说:“也许一些看似复杂的现象之所以难以理解,是因为我们一直用错误的变量集去描述它们。”
在实验中,每次AI程序重启时提取的变量数量一致,但具体变量会有所不同。这表明,除了我们目前使用的描述宇宙的方式,可能还有其他有效的描述方式,而我们现在选择的方法未必是最优的。
研究人员指出,这种人工智能技术不仅可以帮助科学家在生物学、宇宙学等领域揭示复杂现象,还能够在理论与数据之间架起桥梁。虽然这项研究主要使用了视频数据,但实际上任何类型的阵列数据源,如雷达阵列或DNA阵列,都可以用于类似的研究。”论文合著者Kuang Huang解释说。
这项研究是Lipson与哥伦比亚大学傅氏基金会应用数学讲席教授杜强(Qiang Du)多年来研究兴趣的一部分。他们致力于开发能够从数据中提炼出科学规律的算法。过去的系统,如Lipson与Michael Schmidt开发的Eureqa软件,可以从实验数据中提取物理定律,但前提是这些变量已经预先确定。如果连变量都还未知,那么人工智能是否能够解决这一难题呢?
Lipson认为,科学家们可能误解或无法理解某些现象,往往是因为缺乏合适的变量来描述它们。“几千年来,人们对物体运动的快慢有了概念,但直到速度和加速度被正式量化后,牛顿才提出了著名的牛顿第二定律:F=MA,”Lipson说。这些变量的量化是理论形成的前提条件。基于此,杜强想知道,“还有哪些重要的物理定律是因为缺乏变量而尚未被发现的呢?”
参考链接:
/artificial-intelligence-discovers-alternative-physics/
sai..cn/info/1035/1306.htm