共计 2136 个字符，预计需要花费 6 分钟才能阅读完成。
物理学家借助机器学习方法，揭示了支配多体系统非互易力的新变化。这一突破性研究由埃默里大学的实验和理论物理学家团队完成，相关成果发表在《美国国家科学院院刊》（PNAS）上。该研究不仅运用了神经网络模型，还结合了实验室对尘埃等离子体（一种含有相互作用粒子的电离气体）的实验数据。这项工作是人工智能（AI）在科学领域应用的典范，不仅用于数据处理和预测，还成功发现了新的物理定律。
埃默里大学实验物理学教授、论文的资深合著者贾斯汀·伯顿（Justin Burton）表示：“我们展示了 AI 在发现新物理规律方面的潜力。我们的 AI 方法并非黑箱，我们完全理解其工作原理。这一框架具有通用性，可能适用于其他多体系统，为发现新规律开辟了道路。”
- 
- 
- 
- 
- 
- 
该论文提供了迄今为止对尘埃等离子体物理学的最详细描述，并得出了非互易力的精确近似值。埃默里大学理论物理学教授、论文的资深合著者伊利亚·内门曼（Ilya Nemenman）补充道：“我们能够以超过 99% 的准确度描述这些力。更有趣的是，我们发现一些关于这些力的常见理论假设并不完全准确。由于我们现在能够以如此精细的细节观察现象，因此能够纠正这些不准确性。”
研究人员希望他们的 AI 方法能够作为从广泛多体系统动力学中推断规律的起点，这些系统由大量相互作用的粒子组成，例如胶体（如油漆、墨水和其他工业材料）和生物体中的细胞群。
美国国家科学基金会（NSF）等离子体物理项目主任维亚切斯拉夫·卢金（Vyacheslav Lukin）表示：“这个项目是跨学科合作的一个很好的例子，等离子体物理学和 AI 领域的新知识发展可能会推动生命系统研究的进一步进展。这些复杂系统的动力学由集体相互作用主导，新兴的 AI 技术可能帮助我们更好地描述、识别、理解甚至控制这些相互作用。”
作为物质的第四态，等离子体估计占可见宇宙的 99.9%，从太阳日冕流出的太阳风到击中地球的闪电。尘埃等离子体在离子和电子的混合物中加入了带电的尘埃粒子，在太空和行星环境中也很常见——从土星环到地球的电离层。
伯顿研究尘埃等离子体和非晶态材料的物理学。他的实验室在充满等离子体的真空室中悬浮微小的塑料粒子，作为更复杂系统的模型。通过改变真空室内的气体压力，实验室成员可以模拟真实现象的性质，并研究系统在受力驱动下的变化。
在当前项目中，伯顿和于（Yu）开发了一种断层成像技术，以跟踪尘埃等离子体中粒子的三维（3D）运动。激光展开成一片光，在真空室中上下移动，高速摄像机捕捉图像。然后，光平面内的粒子快照被组装成堆栈，揭示了在厘米长度尺度上数十个单个粒子在几分钟内的 3D 位置。
内门曼解释道：“关于整个系统如何从微小部分的相互作用中产生的一般性问题非常重要。例如，在癌症中，人们希望了解细胞的相互作用如何与某些细胞脱离肿瘤并移动到新位置、成为转移性癌症相关。”
尽管人们都在谈论 AI 如何彻底改变科学，但由 AI 系统直接发现全新事物的例子非常少。内门曼解释道：“当你探索新事物时，没有大量数据来训练 AI。这意味着我们必须设计一个可以用少量数据训练但仍能学习新东西的神经网络。”
物理学家为神经网络提炼了约束条件，以建模粒子运动的三个独立贡献：速度效应或阻力；环境力，如重力；以及粒子间的力。在 3D 粒子轨迹上训练的 AI 模型考虑了固有的对称性、非相同粒子，并以极高的精度学习了粒子之间的有效非互易力。
为了解释这些非互易力，研究人员使用了两个船在湖上移动并产生波浪的类比。每艘船的尾流模式会影响另一艘船的运动。一艘船的尾流可能会排斥或吸引另一艘船，这取决于它们的相对位置。例如，船是并排行驶还是一前一后。
内门曼解释道：“在尘埃等离子体中，我们描述了前导粒子如何吸引尾随粒子，但尾随粒子总是排斥前导粒子。这种现象被一些人预料到，但我们现在有了一个以前不存在的精确近似值。”
他们的发现还纠正了一些关于尘埃等离子体的错误假设。例如，一个长期存在的理论认为，尘埃粒子的半径越大，附着在该粒子上的电荷越大，且与粒子的半径成正比。内门曼表示：“我们证明这一理论并不完全正确。虽然粒子越大，电荷越大，但这种增加不一定与半径成正比。它取决于等离子体的密度和温度。”
另一个理论认为，两个粒子之间的力随粒子间距离的增加呈指数下降，且下降因子与粒子的大小无关。新的 AI 方法表明，力的下降确实取决于粒子的大小。研究人员通过实验验证了他们的发现。
他们的基于物理学的神经网络在台式计算机上运行，并提供了一个通用的理论框架，以解开其他复杂多体系统的谜团。例如，内门曼期待着即将在德国康斯坦茨集体行为学院担任客座教授。该学院汇集了跨学科的方法来研究集体行为这一新兴领域，从鸟群到鱼群和人群。
内门曼表示：“我将教来自世界各地的学生如何使用 AI 推断集体运动的物理学——不是在尘埃等离子体中，而是在生命系统中。”
虽然他们的 AI 框架具备推断新物理规律的能力，但仍需要专家级的人类物理学家来设计神经网络的结构，并解释和验证生成的数据。伯顿表示：“在科学、技术和人文领域，以真正推进的方式开发和使用 AI 工具需要批判性思维。”
他对 AI 造福社会的潜力感到乐观。伯顿表示：“我认为这就像《星际迷航》的座右铭，勇敢地前往无人涉足的地方。如果使用得当，AI 可以打开通往全新领域的大门。”
