La inteligencia artificial descubre la física alternativa

La inteligencia artificial descubre la física alternativa

Bodas latentes de nuestro marco coloreadas por variables de condición física. Crédito: Boyuan Chen / Ingeniería de Columbia

nuevo[{» 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.


La imagen muestra un sistema dinámico caótico balanceándose en movimiento. Nuestro trabajo tiene como objetivo identificar y extraer las variables de estado mínimas necesarias para describir dicho sistema directamente a partir de imágenes de video de alta dimensión. Crédito: Yinuo Qin / Ingeniería de Columbia

Los científicos comenzaron a alimentar el sistema con imágenes de video sin procesar de fenómenos físicos para los que ya conocían la solución. Por ejemplo, alimentaron una cinta de video de un péndulo doble oscilante que se sabe que tiene exactamente cuatro «variables de estado»: el ángulo y la velocidad angular de cada uno de los brazos. Después de varias horas de análisis, la IA salió con su respuesta: 4.7.

«Pensamos que esta respuesta estaba lo suficientemente cerca», dijo Hood Lipson, director del Laboratorio de Máquinas Creativas en el Departamento de Ingeniería Mecánica, donde se realizó principalmente el trabajo. «Sobre todo porque la IA solo podía acceder a secuencias de video sin procesar, sin ningún conocimiento de física o ingeniería. Pero queríamos saber cuáles eran realmente las variables, no solo cuántas».

A continuación, los investigadores se dispusieron a visualizar las variables reales que había identificado el programa. La extracción de las variables en sí era difícil porque el programa no podía describirlas de una manera intuitiva que los humanos pudieran entender. Después de investigar un poco, resulta que dos de las variables elegidas por el programa corresponden aproximadamente a los ángulos de los brazos, pero las otras dos variables siguen siendo un misterio.

«Tratamos de relacionar las otras variables con cualquier cosa que se nos ocurriera: velocidades angulares y lineales, energía cinética y potencial, varias combinaciones de cantidades conocidas», explicó Boyuan Chen PhD ’22, ahora profesor asistente en la Universidad de Duke. «Pero nada parece ser lo mismo». El equipo confiaba en que la IA había encontrado un conjunto válido de cuatro variables, porque estaba haciendo buenas predicciones, «pero aún no entendíamos el lenguaje matemático que hablaba», explicó.


Boyuan Chen explica cómo un nuevo programa de inteligencia artificial observó fenómenos físicos y reveló variables relacionadas, un precursor necesario para cualquier teoría física. Crédito: Boyuan Chen / Ingeniería de Columbia

Después de validar una serie de otros sistemas físicos con soluciones conocidas, los científicos insertaron videos de sistemas para los que no sabían la respuesta explícita. Uno de estos videos mostraba a un «bailarín del aire» balanceándose frente a un patio de autos usados ​​local. Después de varias horas de análisis, el programa devolvió 8 variables. De manera similar, un video de la lámpara Lava 8 produjo ocho variantes. Cuando presentaron un video de llamas de un episodio de chimenea navideña, el programa trajo 24 variables.

Una pregunta particularmente interesante era si el conjunto de variables era único para cada sistema o si se producía un conjunto diferente cada vez que se reiniciaba el programa. «Siempre me he preguntado, si alguna vez nos encontramos con una raza alienígena inteligente, ¿descubrirían las mismas leyes de la física que tenemos nosotros, o describirían el universo de manera diferente?» dijo Lipson. «Quizás algunos fenómenos parezcan vagamente complejos porque estamos tratando de entenderlos utilizando un conjunto de variables incorrecto».

En los experimentos, la cantidad de variables era la misma cada vez que se reiniciaba la IA, pero las variables específicas eran diferentes cada vez. Así que sí, existen formas alternativas de describir el universo y es muy probable que nuestras elecciones no sean perfectas.

Según los investigadores, este tipo de IA podría ayudar a los científicos a descubrir fenómenos complejos cuya comprensión teórica no se alinea con la gran cantidad de datos, campos que van desde la biología hasta la cosmología. “Si bien hemos utilizado datos de video en este trabajo, se puede usar cualquier tipo de fuente de datos de matriz: matrices de radar o[{» 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 explica cómo el programa de IA pudo descubrir nuevas variables físicas. Crédito: Hod Lipson/Columbia Engineering

Lipson, quien también es profesor de innovación de James and Sally Scapa, argumenta que los científicos pueden malinterpretar o no comprender muchos fenómenos simplemente porque no tienen un buen conjunto de variables para describir el fenómeno. Lipson señaló: «Durante miles de años, la gente ha sabido que los objetos se mueven rápida o lentamente, pero solo cuando se definió formalmente el concepto de velocidad y aceleración, Newton descubrió su famosa ley de movimiento F = MA». Las variables que describen la temperatura y la presión deben identificarse antes de poder formular las leyes de la termodinámica, y así en todos los rincones del mundo científico. Las variables son un precursor de cualquier teoría. «¿Qué otras leyes nos faltan simplemente porque no tenemos las variables?» preguntó Doe, quien codirigió el trabajo.

El documento también fue coautor de Sunand Raghupathi e Ishaan Chandratreya, quienes ayudaron a recopilar datos para los ensayos. Desde el 1 de julio de 2022, Boyuan Chen ha sido profesor asistente en la Universidad de Duke. El trabajo es parte de un conjunto.[{» 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

READ  Informe: China bloquea el intento de India y Estados Unidos de designar a Makki como terrorista

Estaremos encantados de escuchar lo que piensas

Deje una respuesta

ACTUALIDADYMODA.COM NIMMT AM ASSOCIATE-PROGRAMM VON AMAZON SERVICES LLC TEIL, EINEM PARTNER-WERBEPROGRAMM, DAS ENTWICKELT IST, UM DIE SITES MIT EINEM MITTEL ZU BIETEN WERBEGEBÜHREN IN UND IN VERBINDUNG MIT AMAZON.IT ZU VERDIENEN. AMAZON, DAS AMAZON-LOGO, AMAZONSUPPLY UND DAS AMAZONSUPPLY-LOGO SIND WARENZEICHEN VON AMAZON.IT, INC. ODER SEINE TOCHTERGESELLSCHAFTEN. ALS ASSOCIATE VON AMAZON VERDIENEN WIR PARTNERPROVISIONEN AUF BERECHTIGTE KÄUFE. DANKE, AMAZON, DASS SIE UNS HELFEN, UNSERE WEBSITEGEBÜHREN ZU BEZAHLEN! ALLE PRODUKTBILDER SIND EIGENTUM VON AMAZON.IT UND SEINEN VERKÄUFERN.
ActualIdadyModa.com