Los físicos de la Universidad de Emory han tomado medidas considerables para comprender la dinámica del plasma polvoriento con la ayuda de técnicas avanzadas de aprendizaje automático. Sus hallazgos, publicado recientemente en la revista Actas de la Academia Nacional de CienciasCaracterísticas inesperadas de las fuerzas no recíprocas que controlan muchos sistemas corporales, que consisten en innumerables partículas que interactúan.
En un nuevo enfoque, el equipo de investigación utilizó un modelo de red neuronal impulsado por datos experimentales de plasma polvoriento, un gas ionizado que consiste en partículas de polvo suspendidas. A diferencia de las aplicaciones tradicionales de inteligencia artificial, que a menudo sirven como procesadores de datos o herramientas predictivas, este estudio enfatiza el potencial de la IA al descubrir nuevas leyes de la naturaleza.
Justin Burton, profesor emory en física experimental, enfatizó el significado de la investigación. «Hemos demostrado que podemos usar AI para descubrir una nueva física. Nuestro método de IA no es una caja negra; entendemos cómo y por qué funciona», explicó. Su colega, Ilya, un físico teórico, señaló la alta precisión de sus hallazgos y afirmó que ahora pueden describir fuerzas no recíprocas con más del 99% de precisión.
El documento desafía varios supuestos teóricos de larga data sobre el plasma polvoriento. Algunas de estas inexactitudes fueron remedidas gracias al poder del equipo para observar fenómenos en hermosos detalles. Los investigadores son optimistas de que su enfoque de IA puede servir como un marco para comprender sistemas similares, desde coloides utilizados en la industria hasta el comportamiento observado en grupos de células vivas.
El equipo desarrolló técnicas innovadoras para seguir el movimiento de tres dimensiones de partículas en plasma polvoriento. Al ajustar la presión de gas en su sala de vacío de laboratorio, pudieron imitar circunstancias reales y analizar cómo se comportan estos sistemas bajo diferentes fuerzas.
Para este proyecto, Wentao Yu, el primer autor y ex Ph.D. de Emory Estudiante ahora en Caltech, y Eslam Abdelaleem, coautor y ex alumno graduado de Emory ahora en Georgia Tech, trabajó en la creación de una técnica de imagen tomográfica. Este método incluyó proyectar un láser en la cámara de vacío y registrar imágenes de alta velocidad, para que los investigadores puedan revelar ubicaciones tridimensionales de partículas a lo largo del tiempo.
Tomar al hombre, que se especializa en comprender los sistemas dinámicos naturales, ve implicaciones más amplias, especialmente en contextos biológicos. Sugirió que las ideas que se obtuvieron al estudiar los plasmas polvorientos podrían informar la investigación sobre el movimiento colectivo en los sistemas vivos, como la forma en que las células cancerosas se metástasis.
A pesar de la creciente fama de la IA en el descubrimiento científico, supone que los avances reales que son directamente impulsados directamente por la IA son limitados. «A pesar de todo lo que se habla sobre cómo la IA es una ciencia revolucionaria, hay muy pocos ejemplos en los que un sistema de IA encontró directamente algo fundamental.
Los investigadores encontraron varios desafíos mientras dan forma a la red neuronal y, en última instancia, deciden modelar tres contribuciones importantes al movimiento de partículas: poder de remolque, fuerzas ambientales y fuerzas entre partículas. Desarrollaron una estructura que permitió a la red explorar la física desconocida y al mismo tiempo mantener las leyes físicas necesarias.
Sus estudios revelaron que las fuerzas entre las partículas en el plasma polvoriento muestran una dinámica no reciprocal. Por ejemplo, una partícula prominente puede ponerse una partícula rezagada, pero la partícula trasera siempre rechazaría el rechazo principal. Esta interacción matizada no era cantificada anteriormente.
Además, el estudio mostró que las teorías generalmente aceptadas con respecto a la carga de partículas y la disminución de la resistencia si los aumentos de distancia eran inexactos. Al refinar su modelo de IA, los investigadores han establecido que aunque las partículas más grandes generalmente usan más carga, la relación no es estrictamente proporcional a su tamaño. Del mismo modo, la descomposición de la potencia entre las partículas depende del tamaño de partícula, lo que contradice creencias anteriores.
El marco de IA desarrollado en este estudio se ejecuta en computadoras de escritorio estándar, lo que sugiere que sugiere aplicabilidad en una amplia gama de sistemas complejos fuera del plasma polvoriento.
A medida que los investigadores analizan el futuro, los beneficios potenciales de usar la IA en estudios científicos son enormes. Burton expresó una visión optimista, en la que se comparó la exploración de la IA en la ciencia con el espíritu de aventura registrado por el Rasgo rígido Motato: «ir valientemente a donde nadie ha antes».
