Sztuczna inteligencja rozumie prawa zachowania w systemach dynamicznych

Osaka, Japonia — Wiele rzeczywistych systemów, od systemów klimatycznych po fizyczne mechanizmy robotów, jest zarządzanych przez ustalone wielkości, które wynikają z podstawowych struktur inżynierskich. Modelowanie tych systemów za pomocą symulacji komputerowych jest kluczowym narzędziem do ich zrozumienia (na przykład do prognozowania pogody lub rozwijania ruchu robotów). Często możliwe jest zebranie danych dla tych systemów, ale zrozumienie tych danych w celu zbudowania modelu jest znacznie trudniejszym zadaniem.

Sztuczna inteligencja jest od dawna wykorzystywana do analizowania danych w systemach z dobrze znanymi prawami zachowania. Jednak w prawdziwym świecie prawa te są często nieznane. Aby rozwiązać ten problem, naukowcy z Uniwersytetu w Osace opracowali algorytm o nazwie FINDE, który nie tylko znajduje ilości znanych praw, ale także te, które są nieznane, co może prowadzić do odkryć naukowych.

FINDE zakłada niezmienne wielkości i wyświetla dynamikę w przestrzeni stycznej do rozmaitości określonej przez te wielkości. Pozwala to FINDE wspólnie uczyć się tych dynamiki i stałych wielkości, przy jednoczesnym zachowaniu praw zachowania. Systemy świata rzeczywistego są systemami ciągłymi, ale cyfrowe algorytmy komputerowe mogą modelować tylko systemy dyskretne, co może prowadzić do błędów i ostatecznie zmniejszyć dokładność symulacji. W związku z tym FINDE wykorzystuje również dyskretne gradienty, które są określane w oddzielnych czasach, w celu określenia dyskretnego odpowiednika przestrzeni cienia, a następnie może być używany bez kumulowania błędów.

Profesor Takashi Matsubara, pierwszy autor badania, mówi: „Ponieważ FINDE uczy się i utrzymuje prawa zachowania systemu, nasze symulacje komputerowe będą na dłuższą metę dokładniejsze”.

FINDE to jednak coś więcej niż minimalizacja błędów modelowania. Jeśli prawa rządzące systemem są nieznane, liczba praw również może być nieznana. FINDE można wykorzystać do określenia tej liczby, testując dokładność modeli z różnymi liczbami praw. „Ujawnia to dodatkowe informacje na temat podstawowej struktury systemu”, mówi profesor Matsubara, „a to może prowadzić do odkryć naukowych dotyczących badanych systemów”.

Badacze przetestowali zdolność FINDE do wykrywania i modelowania systemów na różnych zestawach danych. Rozważono system grawitacyjny dwóch ciał, płytkie fale wodne, podwójne wahadło i model obwodu elektrycznego neuronów biologicznych. FINDE był w stanie znaleźć i zapisać pierwsze całki wynikające z praw zachowania rządzących tymi układami we wszystkich przypadkach. Oczekuje się, że projekt FINDE przyczyni się w przyszłości do przyspieszenia i rozwoju wspomaganej komputerowo fizyki i symulacji fizycznych.