AI merancang eksperimen fisika baru yang aneh yang benar -benar berfungsi

Versi aslinya dari cerita ini muncul di Berapa banyak majalah.

Ada pengukuran presisi, dan kemudian ada observatorium gelombang gravitasi interferometer laser. Di masing -masing kembar Ligo gelombang gravitasi Detektor (satu di Hanford, Washington, dan yang lainnya di Livingston, Louisiana), balok laser memantul dan ke depan menuruni empat kilometer lengan L. raksasa ketika gelombang gravitasi melewati, panjang satu lengan berubah relatif ke yang lain dengan kurang dari lebar proton. Ini dengan mengukur perbedaan yang sangat kecil ini – sensitivitas yang mirip dengan merasakan jarak ke alpha centauri bintang hingga lebar rambut manusia – yang dibuat oleh penemuan.

Desain mesin adalah beberapa dekade dalam pembuatan, karena fisikawan perlu mendorong setiap aspek ke batas fisik absolutnya. Konstruksi dimulai pada tahun 1994 dan memakan waktu lebih dari 20 tahun, termasuk penutupan empat tahun untuk meningkatkan detektor, sebelum Ligo mendeteksi gelombang gravitasi pertamanya pada tahun 2015: riak di kain ruang-waktu yang berasal dari tabrakan yang jauh dari sepasang lubang hitam.

Rana Adhikariseorang fisikawan di California Institute of Technology, memimpin tim optimasi detektor pada pertengahan 2000-an. Dia dan beberapa kolaborator dengan susah payah mengasah bagian -bagian dari desain Ligo, menjelajahi kontur setiap batas yang menghalangi mesin yang lebih sensitif.

Tetapi setelah deteksi 2015, Adhikari ingin melihat apakah mereka dapat meningkatkan desain Ligo, memungkinkannya, misalnya, untuk mengambil gelombang gravitasi dalam pita frekuensi yang lebih luas. Peningkatan seperti itu akan memungkinkan Ligo untuk melihat penggabungan lubang hitam dari berbagai ukuran, serta kejutan potensial. “Yang benar -benar ingin kami temukan adalah hal astrofisika baru yang tidak ada yang dibayangkan,” kata Adhikari. “Kita seharusnya tidak memiliki prasangka tentang apa yang dibuat oleh alam semesta.”

Dia dan timnya beralih ke AI – khususnya, rangkaian perangkat lunak yang pertama kali dibuat oleh fisikawan Mario Krenn untuk merancang eksperimen meja dalam optik kuantum. Pertama, mereka memberi AI semua komponen dan perangkat yang dapat dicampur dan dicocokkan untuk membangun interferometer yang rumit secara sewenang -wenang. AI dimulai dari tidak dibatasi. Itu bisa merancang detektor yang membentang ratusan kilometer dan memiliki ribuan elemen, seperti lensa, cermin, dan laser.

Awalnya, desain AI tampak aneh. “Output yang diberikannya kepada kami benar -benar tidak dapat dipahami oleh orang -orang,” kata Adhikari. “Mereka terlalu rumit, dan mereka tampak seperti hal -hal asing atau hal -hal.

Para peneliti menemukan cara membersihkan output AI untuk menghasilkan ide yang dapat ditafsirkan. Meski begitu, para peneliti bingung dengan desain AI. “Jika murid -murid saya mencoba memberi saya hal ini, saya akan berkata, ‘Tidak, tidak, itu konyol,’” kata Adhikari. Tetapi desainnya jelas efektif.

Butuh upaya berbulan -bulan untuk memahami Apa yang dilakukan AI. Ternyata mesin telah menggunakan trik berlawanan dengan intuisi untuk mencapai tujuannya. Ia menambahkan cincin panjang tiga kilometer tambahan antara interferometer utama dan detektor untuk mengedarkan cahaya sebelum keluar dari lengan interferometer. Tim Adhikari menyadari bahwa AI mungkin menggunakan beberapa prinsip teoretis esoterik yang telah diidentifikasi oleh fisikawan Rusia beberapa dekade lalu untuk mengurangi kebisingan mekanik kuantum. Tidak ada yang pernah mengejar ide -ide itu secara eksperimental. “Butuh banyak untuk berpikir sejauh ini di luar solusi yang diterima,” kata Adhikari. “Kami benar -benar membutuhkan AI.”

Jika wawasan AI telah tersedia ketika Ligo sedang dibangun, “kami akan memiliki sekitar 10 atau 15 persen sensitivitas ligo yang lebih baik selama ini,” katanya. Dalam dunia presisi sub-proton, 10 hingga 15 persen sangat besar.

“Ligo adalah hal besar yang telah dipikirkan oleh ribuan orang selama 40 tahun,” kata Aephraim Steinberg, seorang ahli tentang kuantum Optik di University of Toronto. “Mereka telah memikirkan semua yang mereka bisa, dan apa pun yang baru [the AI] Datang dengan adalah demonstrasi bahwa itu adalah sesuatu yang gagal dilakukan ribuan orang. ”

Meskipun AI belum mengarah pada penemuan baru dalam fisika, itu menjadi alat yang ampuh di seluruh lapangan. Seiring dengan membantu para peneliti untuk merancang eksperimen, ia dapat menemukan pola nontrivial dalam data yang kompleks. Sebagai contoh, algoritma AI telah mengumpulkan simetri alam dari data yang dikumpulkan di Hadron Collider besar di Swiss. Simetri ini bukan hal baru – mereka adalah kunci bagi teori relativitas Einstein – tetapi temuan AI berfungsi sebagai bukti prinsip untuk apa yang akan datang. Fisikawan juga menggunakan AI untuk menemukan persamaan baru untuk menggambarkan penggumpalan materi gelap alam semesta yang tak terlihat. “Manusia dapat mulai belajar dari solusi ini,” kata Adhikari.

Terpisah tapi bersama

Dalam fisika klasik yang menggambarkan dunia kita sehari-hari, objek memiliki sifat yang jelas yang tidak tergantung pada upaya untuk mengukur sifat-sifat itu: bola biliar, misalnya, memiliki posisi dan momentum tertentu pada saat tertentu.

Di dunia kuantum, ini bukan masalahnya. Objek kuantum dijelaskan oleh entitas matematika yang disebut status kuantum. Yang terbaik yang dapat dilakukan adalah menggunakan keadaan untuk menghitung probabilitas bahwa objek akan, katakanlah, di lokasi tertentu ketika Anda mencarinya di sana.

Terlebih lagi, dua (atau lebih) objek kuantum dapat berbagi keadaan kuantum tunggal. Ambil cahaya, yang terbuat dari foton. Foton -foton ini dapat dihasilkan berpasangan yang “terjerat,” yang berarti bahwa kedua foton berbagi keadaan kuantum bersama tunggal bahkan jika mereka terbang terpisah. Setelah salah satu dari dua foton diukur, hasilnya tampaknya secara instan menentukan sifat -sifat yang lain – sekarang – foton.

Selama beberapa dekade, fisikawan berasumsi bahwa keterikatan membutuhkan objek kuantum untuk memulai di tempat yang sama. Tetapi pada awal 1990 -an, Anton Zeilingersiapa yang akan nanti Terima Hadiah Nobel dalam Fisika Untuk studinya tentang keterikatan, menunjukkan bahwa ini tidak selalu benar. Dia dan rekan -rekannya mengusulkan percobaan yang dimulai dengan dua pasang foton terjerat yang tidak terkait. Foton A dan B terjerat satu sama lain, seperti halnya foton C dan D. Para peneliti saat itu merancang desain eksperimental yang cerdas Terbuat dari kristal, splitter balok dan detektor yang akan beroperasi pada foton B dan C – satu foton dari masing -masing dua pasangan yang terjerat. Melalui urutan operasi, foton B dan C terdeteksi dan dihancurkan, tetapi sebagai produk, partikel mitra A dan D, yang sebelumnya tidak berinteraksi, menjadi terjerat. Ini disebut pertukaran keterjeratan, yang sekarang menjadi blok bangunan penting dari teknologi kuantum

Itu adalah keadaan urusan pada tahun 2021, ketika tim Krenn mulai merancang eksperimen baru dengan bantuan perangkat lunak yang mereka dijuluki Pytheus – pyping untuk bahasa pemrograman Python, dan Theus for Theseus, setelah pahlawan Yunani yang membunuh Minotaur mistis. Tim mewakili eksperimen optik menggunakan struktur matematika yang disebut grafik, yang terdiri dari node yang dihubungkan oleh garis yang disebut tepi. Node dan tepi mewakili berbagai aspek percobaan, seperti splitter balok, jalur foton, atau apakah dua foton berinteraksi atau tidak.

Tim Krenn dimulai dengan pertama membangun grafik yang sangat umum, yang memodelkan ruang dari semua eksperimen yang mungkin dari berbagai ukuran. Grafik memiliki fitur output yang mewakili beberapa keadaan kuantum yang diinginkan – katakanlah, dua partikel yang keluar dari pengaturan eksperimental yang tidak pernah berinteraksi tetapi sekarang terjerat.

Pertanyaannya, kemudian, adalah bagaimana memodifikasi semua bagian lain dari grafik untuk menghasilkan keadaan ini. Untuk mengetahui hal ini, para peneliti merumuskan fungsi matematika. Butuh dalam keadaan grafik dan menghitung perbedaan antara output grafik dan keadaan kuantum yang diinginkan. Mereka kemudian secara iteratif memodifikasi parameter grafik, yang mewakili konfigurasi eksperimental, untuk mengurangi perbedaan ini menjadi nol.

Ketika siswa Krenn Soren Arlt mencoba menggunakan pendekatan ini untuk menemukan cara terbaik untuk melakukan pertukaran keterikatan, ia memperhatikan bahwa konfigurasi eksperimental tidak dapat dikenali – sama sekali tidak seperti desain Zeilinger dari tahun 1993. “Ketika ia menunjukkannya kepada saya, kami bingung,” kata Krenn. “Saya yakin itu pasti salah.”

Algoritma optimasi telah meminjam ide -ide dari bidang studi terpisah yang disebut gangguan multiphoton. Dengan melakukannya, itu dibuat konfigurasi yang lebih sederhana dari Zeilinger. Tim Krenn kemudian melakukan analisis matematika terpisah dari desain akhir. Ini mengkonfirmasi bahwa desain eksperimental baru sebenarnya akan menciptakan keterikatan di antara partikel -partikel tanpa masa lalu yang dibagi.

Pada bulan Desember 2024, sebuah tim di Cina yang dipimpin oleh Xiao-Song MA dari Universitas Nanjing mengkonfirmasi itu. Mereka membangun percobaan yang sebenarnya, dan itu berfungsi sebagaimana dimaksud.

Menemukan Formula Tersembunyi

Desain eksperimental bukan satu -satunya cara yang digunakan oleh fisikawan AI. Mereka juga telah membuatnya bekerja parsing hasil eksperimen.

“Saat ini, saya akan mengatakan itu seperti mengajar anak bagaimana berbicara,” Kyle Cranmerseorang fisikawan di University of Wisconsin-Madison, mengatakan tentang upaya pemula untuk menggunakan AI untuk melakukan fisika. “Kami melakukan banyak penitipan bayi.” Meski begitu, model pembelajaran mesin yang dilatih pada dunia nyata dan data simulasi menemukan pola yang mungkin telah terlewatkan.

Sebagai contoh, Cranmer dan kolaboratornya menggunakan model pembelajaran mesin untuk memprediksi kepadatan rumpun materi gelap di alam semesta, berdasarkan sifat yang dapat diamati dari rumpun terdekat lainnya. Perhitungan semacam itu diperlukan untuk memahami pertumbuhan galaksi dan kelompok galaksi. Sistem tiba di formula Untuk menggambarkan kepadatan rumpun materi gelap yang lebih sesuai dengan data daripada yang buatan manusia. Persamaan AI “menggambarkan data dengan sangat baik,” kata Cranmer. “Tapi itu kurang cerita tentang bagaimana kamu sampai di sana.”

Terkadang cukup bukti prinsip untuk menunjukkan bahwa AI dapat menemukan kembali hal -hal yang sudah diketahui orang.

Rose Yuseorang ilmuwan komputer di University of California, San Diego, dan kolega telah melatih model pembelajaran mesin Temukan Simetri dalam Data. Simetri menyiratkan bahwa data tetap tidak berubah atau berubah dapat diprediksi dan hanya di bawah transformasi. Misalnya, sebuah lingkaran memiliki simetri rotasi – itu invarian di bawah rotasi. Yu dan timnya menerapkan teknik mereka pada data yang dikumpulkan di Hadron Collider yang besar dan mengidentifikasi apa yang disebut Simetri Lorentz, yang sangat penting bagi teori relativitas Einstein. Ini adalah perubahan dalam perspektif yang meninggalkan hukum fisika yang berlaku tidak berubah. Misalnya, laju produksi pasangan partikel di collider tidak boleh berubah pada waktu yang berbeda dalam sehari. Jika laju bervariasi, itu akan menyiratkan beberapa ketergantungan pada rotasi Bumi dan karenanya arah preferensial dalam ruang-waktu. “Kami menunjukkan bahwa, tanpa mengetahui fisika apa pun, model dapat menemukan simetri Lorentz murni dari data,” kata Yu.

Cranmer dan Yu menunjukkan bahwa sementara metode semacam itu bagus dalam menemukan pola, memahami pola -pola itu dan muncul dengan hipotesis atau fisika untuk menjelaskannya tetap sulit dipahami untuk model AI saat ini. Tapi Cranmer berpikir bahwa munculnya model bahasa besar seperti chatg PT bisa mengubahnya. “Saya pikir ada potensi besar untuk model bahasa untuk berguna untuk membantu mengotomatisasi konstruksi hipotesis itu,” katanya. “Ini agak di sudut.”

Steinberg setuju bahwa sementara AI belum menemukan konsep-konsep baru, penemuan AI-AI-AIDED dari fisika baru dapat menjadi kenyataan. “Kami benar -benar mungkin melintasi ambang itu, yang menarik,” katanya.

Cerita asli dicetak ulang dengan izin dari Berapa banyak majalah, publikasi editorial independen dari Yayasan Simons yang misinya adalah untuk meningkatkan pemahaman publik tentang sains dengan meliput perkembangan penelitian dan tren matematika dan ilmu fisik dan kehidupan.