AI алгоритмите вече проектират физични експерименти, които надминават създадените от хората схеми, а принципът на действие на някои от тези открития е труден за обяснение дори за специалистите. В тази връзка, международна група от физици е събрала тези резултати в обзор, публикуван на 2 септември в списанието Nature и е стигнала до заключението, че изкуственият интелект постепенно преминава от настройване на параметри към самостоятелно търсене на напълно нови експериментални инсталации.
Не става дума за нова невронна мрежа, нито за отделен лабораторен експеримент. Авторите са анализирали изследвания в областта на квантовата оптика, детекторите на частици, термоядрените инсталации, микроскопията и търсенето на гравитационни вълни. При редица задачи алгоритмите са откривали конфигурации, които противоречат на обичайната инженерна интуиция, но според изчисленията дават по-добри резултати от конструкциите на специалистите.Най-необичайната част от работата е свързана не толкова с качеството на намерените решения, колкото с тяхната разбираемост. Професорът от Университета в Тюбинген Марио Крен разказа, че някои компютърни проекти могат бързо да бъдат разгледани и да се разбере защо новата схема е по-ефективна. Има обаче конфигурации, за които физиците могат математически да потвърдят предимството, но не са в състояние ясно да обяснят защо точно избраната комбинация от компоненти работи толкова добре.
Този вид изкуствен интелект има малко общо с ChatGPT и други големи езикови модели. Алгоритъмът получава набор от налични компоненти, физични уравнения, ограничения и цел, след което разглежда експеримента като огромна задача за оптимизация. Например, компютърът може да преминава през различни варианти за разположение на огледала, лазери, детектори и други елементи, да изчислява поведението на всяка конструкция в симулатора и постепенно да търси най-ефективния вариант.
Крен се сблъска с възможностите на този подход още по време на работата си по квантов експеримент във Виена. Изследователската група не успяла да измисли устройство, което да създава необходимия квантов ефект, затова Крен математически описал наличните компоненти и възложил на компютъра задачата да прегледа комбинациите. След цяла нощ изчисления програмата намерила вариант, който отговарял на изискванията на задачата, въпреки че физиците не се били сетили за него.
От тази работа се родил алгоритъмът „Мелвин“, представен от Крнн и колегите му през 2016 година. „Мелвин“ автоматично проектира квантово-оптични експерименти и намира необичайни асиметрични схеми за създаване на сложни квантови състояния. Някои от предложените от компютъра конструкции впоследствие били сглобени в лабораториите. В подобни инсталации важна роля играе квантовата заплетеност, чието поведение често не съвпада с човешката интуиция.
Други групи учени вече прилагат машинно обучение за оптимизиране на бъдещи детектори на частици, антени за регистриране на неутрино, свръхпроводящи квантови схеми и стеларатори за термоядрен синтез. В електронната микроскопия изкуственият интелект може да търси конфигурации, които използват квантови ефекти по начин, който е необичаен за човека. Ръководителят на Центъра по електронна микроскопия към Виенския технически университет Филип Хаслингер счита, че именно ограничената човешка интуиция в такива области прави автоматичното търсене особено полезно.
Авторите на обзора предлагат да се премине към универсални физически симулатори, способни да приемат фундаментални уравнения, набор от оборудване и научна цел, а след това самостоятелно да проектират експеримента. За подобна система ще е необходимо не просто да се прегледат параметри като разстоянието между две огледала, а да се избират самите компоненти, тяхното количество, редът им и връзките между тях.
Изследователите все още не предлагат науката да бъде изцяло поверена на машините. Хората все още трябва да формулират въпроса, да определят критериите за успех и ограниченията по отношение на цената, енергията, размерите и безопасността, а след това да проверяват създаденото от AI в реален експеримент. Основната промяна настъпва на междинния етап, където преди физиците разчитаха преди всичко на опит и интуиция. Сега компютърът е способен да проучи милиони необичайни варианти и понякога да открива сред тях решения, които работят по-добре от човешките, дори ако причината за превъзходството им не става ясна веднага.