L’intelligence artificielle découvre la physique alternative

Recevez des mises à jour en temps réel directement sur votre appareil, abonnez-vous maintenant.

Les roboticiens de Columbia Engineering découvrent la physique alternative

Imbrications latentes de notre cadre colorées par des variables d’état physique. Crédit : Boyuan Chen/Columbia Engineering

Un nouveau

Université de Colombie
L’Université Columbia est une université de recherche privée de l’Ivy League à New York qui a été créée en 1754. Cela en fait la plus ancienne institution d’enseignement supérieur de New York et la cinquième plus ancienne des États-Unis. On l’appelle souvent simplement Columbia, mais son nom officiel est Columbia University dans la ville de New York.

 » data-gt-translate-attributes= »[{ » attribute= » »>Columbia University AI program observed physical phenomena and uncovered relevant variablesa necessary precursor to any physics theory. But the variables it discovered were unexpected.

Energy, Mass, Velocity. These three variables make up Einsteins 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.


L’image montre un système dynamique de balançoire chaotique en mouvement. Notre travail vise à identifier et extraire le nombre minimum de variables d’état nécessaires pour décrire un tel système directement à partir de séquences vidéo de grande dimension. Crédit : Yinuo Qin/Columbia Engineering

Les scientifiques ont commencé par alimenter le système en séquences vidéo brutes de phénomènes physiques dont ils connaissaient déjà la solution. Par exemple, ils ont alimenté une vidéo d’un double pendule oscillant connu pour avoir exactement quatre variables d’état, l’angle et la vitesse angulaire de chacun des deux bras. Après plusieurs heures d’analyse, l’IA a sorti sa réponse : 4.7.

Nous avons pensé que cette réponse était assez proche, a déclaré Hod Lipson, directeur du Creative Machines Lab du Département de génie mécanique, où le travail a été principalement effectué. D’autant plus que toute l’IA avait accès à des séquences vidéo brutes, sans aucune connaissance en physique ou en géométrie. Mais nous voulions savoir quelles étaient réellement les variables, pas seulement leur nombre.

Ensuite, les chercheurs ont procédé à la visualisation des variables réelles identifiées par le programme. L’extraction des variables elles-mêmes était difficile car le programme ne peut pas les décrire d’une manière intuitive qui serait compréhensible pour les humains. Après quelques recherches, il est apparu que deux des variables choisies par le programme correspondaient vaguement aux angles des bras, mais les deux autres restent un mystère.

Nous avons essayé de corréler les autres variables avec tout ce à quoi nous pouvions penser : les vitesses angulaires et linéaires, l’énergie cinétique et potentielle, et diverses combinaisons de quantités connues, a expliqué Boyuan Chen PhD 22, maintenant professeur adjoint à l’Université Duke, qui a dirigé les travaux. . Mais rien ne semblait correspondre parfaitement. L’équipe était convaincue que l’IA avait trouvé un ensemble valide de quatre variables, car elle faisait de bonnes prédictions, mais nous ne comprenons pas encore le langage mathématique qu’elle parle, a-t-il expliqué.


Boyuan Chen explique comment un nouveau programme d’IA a observé des phénomènes physiques et découvert des variables pertinentes, un précurseur nécessaire à toute théorie physique. Crédit : Boyuan Chen/Columbia Engineering

Après avoir validé un certain nombre d’autres systèmes physiques avec des solutions connues, les scientifiques ont saisi des vidéos de systèmes pour lesquels ils ne connaissaient pas la réponse explicite. L’une de ces vidéos mettait en vedette un danseur aérien ondulant devant un parc de voitures d’occasion local. Après plusieurs heures d’analyse, le programme a retourné 8 variables. De même, une vidéo d’une lampe à lave a également produit 8 huit variables. Lorsqu’ils ont fourni un clip vidéo des flammes d’une boucle de cheminée de vacances, le programme a renvoyé 24 variables.

Une question particulièrement intéressante était de savoir si l’ensemble de variables était unique pour chaque système ou si un ensemble différent était produit à chaque redémarrage du programme. Je me suis toujours demandé si nous rencontrions une race extraterrestre intelligente, auraient-ils découvert les mêmes lois physiques que nous, ou pourraient-ils décrire l’univers d’une manière différente ? dit Lipson. Peut-être que certains phénomènes semblent énigmatiquement complexes parce que nous essayons de les comprendre en utilisant le mauvais ensemble de variables.

Dans les expériences, le nombre de variables était le même à chaque redémarrage de l’IA, mais les variables spécifiques étaient différentes à chaque fois. Alors oui, il existe bien d’autres manières de décrire l’univers et il est fort possible que nos choix ne soient pas parfaits.

Selon les chercheurs, ce type d’IA peut aider les scientifiques à découvrir des phénomènes complexes pour lesquels la compréhension théorique ne suit pas le déluge de domaines de données allant de la biologie à la cosmologie. Bien que nous ayons utilisé des données vidéo dans ce travail, tout type de source de données de tableau pourrait être utilisé des tableaux radar, ou

ADN
L’ADN, ou acide désoxyribonucléique, est une molécule composée de deux longs brins de nucléotides qui s’enroulent l’un autour de l’autre pour former une double hélice. C’est le matériel héréditaire chez les humains et presque tous les autres organismes qui porte des instructions génétiques pour le développement, le fonctionnement, la croissance et la reproduction. Presque toutes les cellules du corps d’une personne ont le même ADN. La plupart de l’ADN se trouve dans le noyau cellulaire (où il est appelé ADN nucléaire), mais une petite quantité d’ADN peut également être trouvée dans les mitochondries (où il est appelé ADN mitochondrial ou ADNmt).

 » data-gt-translate-attributes= »[{ » 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 Dus decades-long interest in creating algorithms that can distill data into scientific laws. Past software systems, such as Lipson and Michael Schmidts 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 explique comment le programme d’IA a pu découvrir de nouvelles variables physiques. Crédit : Hod Lipson/Columbia Engineering

Lipson, qui est également professeur d’innovation James et Sally Scapa, soutient que les scientifiques peuvent mal interpréter ou ne pas comprendre de nombreux phénomènes simplement parce qu’ils ne disposent pas d’un bon ensemble de variables pour décrire les phénomènes. 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 noté 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. Les variables 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.

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 joint

Université de Washington
Fondée en 1861, l’Université de Washington (UW, simplement Washington, ou officieusement U-Dub) est une université publique de recherche à Seattle, Washington, avec des campus supplémentaires à Tacoma et Bothell. Classée R1 Doctoral Research University dans la classification Carnegie des établissements d’enseignement supérieur, UW est membre de l’Association of American Universities.

 » data-gt-translate-attributes= »[{ » 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

www.actusduweb.com
Suivez Actusduweb sur Google News


Recevez des mises à jour en temps réel directement sur votre appareil, abonnez-vous maintenant.

commentaires

Ce site utilise des cookies pour améliorer votre expérience. Nous supposerons que cela vous convient, mais vous pouvez vous désinscrire si vous le souhaitez. J'accepte Lire la suite