可以进行忠实于物理定律的模拟的人工智能

由Yaguchi Takaharu副教授(系统信息学研究生院)和Matsubara Takashi副教授(大阪大学工程科学研究生院)领导的研究小组已成功开发出能够模拟无法解释其详细机理或公式的现象的技术。他们通过使用人工智能(AI)从观测数据创建一个忠实于物理定律的模型来做到这一点。

希望这种发展将有可能预测到现在为止由于其详细的潜在机制尚不清楚而难以模拟的现象。还有望提高仿真本身的速度。

这些研究成果在12月7日举行的第三十四届神经信息处理系统会议(NeurIPS 2020)上发表，这是一场有关人工智能技术相关主题的著名会议。

通常，可以通过使用超级计算机的模拟来进行物理现象的预测，并且这些模拟使用基于物理定律的方程式。尽管这些方程式具有很高的通用性，但这并不总是意味着它们能够完美地复制单个现象的独特特征。例如，许多人了解高中摆运动背后的物理原理。但是，如果您实际上要制作一个摆锤并尝试使其摆动，则摆锤中的轻微制造缺陷可能会导致其不按照理论移动，这会导致模拟的预测出错。因此，研究应用观测数据近年来，通过人工智能对现象进行模拟的研究不断发展。如果能够完全实现这一点，则有可能开发自定义的真实现象模拟，这将提高模拟预测的准确性。

但是，由于计算机是数字化的，因此很难使用当前的AI将控制现实世界现象的物理定律引入预测技术。很难完美地复制诸如能量守恒定律等物理定律。因此，在长期预测中可能会发生不自然的能量增加或减少。这可能导致诸如物体速度或波高之类的现象被高估或低估，并导致有关预测可靠性的不确定性。