（文章來源：教育新聞網）
天文學家花了幾個世紀才弄清楚。但是現(xiàn)在，受大腦啟發(fā)的機器學習算法已經得出結論，它應該根據太陽和火星的運動如何從地球上出現(xiàn)，將太陽置于太陽系的中心。這一壯舉是這項技術的第一個測試，研究人員希望他們可以通過發(fā)現(xiàn)大數(shù)據集中的模式來發(fā)現(xiàn)新的物理定律，并重新制定量子力學。結果將出現(xiàn)在Physical Review Letters1中。
蘇黎世瑞士聯(lián)邦理工學院(ETH)的物理學家Renato Renner和他的合作者想要設計一種算法，該算法可以將大數(shù)據集提煉為幾個基本公式，從而模仿物理學家提出諸如E=mc的簡潔方程式的方式。2。為此，研究人員必須設計一種新型的神經網絡，這是一種受大腦結構啟發(fā)的機器學習系統(tǒng)。
傳統(tǒng)的神經網絡通過訓練龐大的數(shù)據集來學習識別物體，例如圖像或聲音。他們發(fā)現(xiàn)了一般特征-例如，“四只腿”和“尖頭的耳朵”可能被用來識別貓。然后，他們在數(shù)學“節(jié)點”(神經元的人工等效物)中對這些特征進行編碼。但是，神經網絡不是像物理學家那樣將這些信息提煉成幾個易于解釋的規(guī)則，而是一個黑匣子，以一種無法預測且難以解釋的方式將其獲得的知識分布在成千上萬個節(jié)點上。
因此，Renner的團隊設計了一種“整體化”的神經網絡：兩個子網僅通過少數(shù)幾個鏈接就相互連接了。第一個子網絡將像典型的神經網絡一樣從數(shù)據中學習，第二個子網絡將利用該“經驗”來進行和測試新的預測。由于幾乎沒有連接雙方的鏈路，因此第一個網絡被迫以壓縮格式將信息傳遞給另一側。Renner將其比作顧問如何將所學知識傳遞給學生。
最初的測試之一是給網絡提供有關從地球上看到的火星和太陽在天空中運動的模擬數(shù)據。從這個角度來看，火星的太陽軌道似乎是不穩(wěn)定的，例如它會周期性地“逆行”，從而逆轉其方向。幾個世紀以來，天文學家一直認為地球處于宇宙的中心，并通過暗示行星在天球中以稱為行星輪的小圓圈運動來解釋火星的運動。但是在1500年代，哥白尼(Nicolaus Copernicus)發(fā)現(xiàn)，如果地球和行星都在繞太陽公轉，則可以用更簡單的公式系統(tǒng)來預測運動。
加拿大多倫多大學物理學家馬里奧·克倫(Mario Krenn)說，研究小組的神經網絡提出了哥白尼式的火星軌跡公式，重新發(fā)現(xiàn)了“科學史上最重要的范式轉變之一”?？茖W發(fā)現(xiàn)的智慧。Renner強調，盡管該算法可以推導公式，但仍需用肉眼來解釋方程式，并了解它們與行星圍繞太陽運動的關系。
紐約市哥倫比亞大學的機器人學家霍德·利普森說，這項工作很重要，因為它能夠挑選出描述物理系統(tǒng)的關鍵參數(shù)。他說：“我認為，這些技術是我們理解并跟上物理學中乃至更復雜現(xiàn)象日益增長的唯一希望。”Renner和他的團隊希望開發(fā)機器學習技術，以幫助物理學家解決量子力學中的明顯矛盾。該理論似乎對實驗的結果以及遵循其定律的觀察者的觀察方式產生了相互矛盾的預測2。
Renner說：“量子力學的當前表達方式可能在某種程度上只是歷史的人工制品?！彼a充說，計算機可以提出一種沒有這種矛盾的表述，但是該團隊的最新技術還不夠完善。為了實現(xiàn)該目標，他和他的合作者正在嘗試開發(fā)其神經網絡的一種版本，該版本不僅可以從實驗數(shù)據中學習，而且可以提出全新的實驗來檢驗其假設。
? ? ?
下載文檔
