Alla fysikens lagar kan uttryckas matematiskt som samband mellan tillståndsvariabler. Denna uppsättning variabler ger en grundlig och icke-redundant beskrivning av det aktuella systemet. Den faktiska processen att upptäcka de dolda tillståndsvariablerna har trotsat automatisering, trots processorkraft och tillgänglighet av artificiell intelligens.
De flesta datadrivna metoder för att modellera fysiska fenomen bygger fortfarande på antagandet att de relevanta tillståndsvariablerna redan är kända. En långvarig fråga är om den kan identifiera tillståndsvariabler från endast högdimensionella observationsdata.
Forskare vid Columbia Engineering föreslog en princip för att bestämma hur många tillståndsvariabler ett observerat system sannolikt kommer att ha och vad dessa variabler kan vara. De designade ett nytt AI-program för att observera fysiska fenomen genom en videokamera och sedan försöka söka efter en minimal uppsättning grundläggande variabler som fullständigt beskriver den observerade dynamiken.
Hod Lipson, chef för Creative Machines Lab vid avdelningen för maskinteknik, sa: "Vi tyckte att det här svaret var tillräckligt nära. Speciellt eftersom allt AI hade tillgång till var obearbetade videofilmer, utan några kunskaper om fysik eller geometri. Men vi ville veta variablerna, inte bara deras antal."
Forskare visualiserade sedan de faktiska variablerna som programmet identifierade. Eftersom programmet inte kan uttrycka variablerna på något intuitivt språk som skulle vara tillgängligt för människor, var det en utmaning att extrahera variablerna i sig. Efter omfattande undersökningar visade det sig att två av variablerna som datorn valde stämde överens med armarnas vinklar, men de andra två är fortfarande okända.
Boyuan Chen Ph.D. '22, en biträdande professor vid Duke University, sa, "Vi försökte korrelera de andra variablerna med allt vi kunde komma på: vinkel- och linjära hastigheter, kinetisk och potentiell energi och kombinationer av kända storheter. Men ingenting verkade matcha perfekt. Vi var övertygade om att AI:n hade hittat en bra uppsättning av fyra variabler eftersom den gjorde bra förutsägelser, men vi förstår ännu inte det matematiska språket den talar.”
De validerade därför flera andra fysiska system med kända lösningar. De matade videor av system som de inte visste det explicita svaret på. De första videorna visade en "luftdansare" som böljade framför en lokal begagnad bilplats. Efter några timmars analys returnerade programmet 8 variabler. En video av en lavalampa producerade också 8 åtta variabler. De matade sedan ett videoklipp med lågor från en semesterslinga med öppen spis, och programmet returnerade 24 variabler.
Lipson sa, "Jag har alltid undrat om vi någonsin träffat en intelligent utomjordisk ras, skulle de ha upptäckt samma fysiklagar som vi har, eller kan de beskriva universum annorlunda?"
"Kanske vissa fenomen verkar gåtfullt komplexa eftersom vi försöker förstå dem med hjälp av fel uppsättning variabler. I experimenten var antalet variabler detsamma varje gång AI startade om, men de specifika variablerna skilde sig åt. Så ja, det finns alternativa sätt att beskriva universum, och det är mycket möjligt att våra val inte är perfekta.”
Den här typen av AI kan hjälpa forskare att reda ut komplexa fenomen för vilka teoretisk förståelse inte håller jämna steg med översvämningen av data – områden som sträcker sig från biologi till kosmologi.
Kuang Huang Ph.D. '22, som var medförfattare till tidningen, sade, "Medan vi använde videodata i det här arbetet, kunde vilken datakälla som helst användas - radarmatriser eller DNA-matriser, till exempel."
Lipson hävdar det "Forskare kan misstolka eller misslyckas med att förstå många fenomen helt enkelt för att de inte har en bra uppsättning variabler för att beskriva dem."
"I årtusenden visste folk om objekt som rörde sig snabbt eller långsamt, men det var först när begreppet hastighet och acceleration formellt kvantifierades som Newton kunde upptäcka sin berömda rörelselag F=MA."
"Variabler som beskriver temperatur och tryck behövde identifieras innan termodynamikens lagar kunde formaliseras, och så vidare för varje hörn av den vetenskapliga världen. Variablerna är en föregångare till vilken teori som helst."
Tidskriftsreferens:
- Chen, B., Huang, K., Raghupathi, S. et al. Automatiserad upptäckt av fundamentala variabler dolda i experimentella data. Nat Comput Sci 2, 433–442 (2022). DOI: 10.1038/s43588-022-00281-6
