Ученые научили ИИ выявлять движущие силы физической системы по ее поведению
Алгоритм на базе нейронной сети, который выявляет движущие силы физической системы и воспроизводит отсутствующие при обучении примеры ее поведения, разработала группа инженеров-физиков из США. Результаты исследования опубликованы 10 августа в научном журнале Physical Review Letters.
Группа исследователей из Университета Калифорнии и Массачусетского института технологий (США), создала нейронную сеть, которая верно воспроизводит поведение различных физических систем, но при одном важном обстоятельстве — это поведение нейросеть никогда раньше не видела.
По мнению ученых, такие алгоритмы — это современный этап развития математического моделирования, которое занимает центральное место в естественных науках и технике.
Авторы поясняют, что традиционно модель выводилась вручную, а затем «подстраивалась» под экспериментальные данные с помощью входящих в нее параметров.
Сегодня, отмечают ученые, машинное обучение и нейронные сети позволяют обойти эту кропотливую аналитическую работу. Однако известные подходы требовали настраивать алгоритм под каждый конкретный моделируемый процесс.
Авторы утверждают, что смогли преодолеть это ограничение, научив нейросеть выявлять внутренние движущие силы физической системы всего по нескольким частным примерам ее поведения.
Возможности нового алгоритма исследователи продемонстрировали на физических маятниках, генераторе электрических колебаний, а также детской игрушке пружинке Слинки.
В частности, ученые показали нейросети, как провисают и колеблются пружинки с различной упругостью, если их держать горизонтально. После «усвоения урока» алгоритм верно воспроизвел вертикальное падение пружинки, которое ранее не видел. При этом упругость пружинки отличалась от таковой в обучающих примерах.
По мнению ученых, их подход применим к анализу поведения биологических клеток в различных средах, а также к управлению роботами в быстро меняющихся условиях.
