Физики из Университета Эмори разработали метод на основе машинного обучения, который позволил выявить ранее неизвестные закономерности взаимодействия частиц в сложных системах. Исследование, результаты которого опубликованы в журнале PNAS, сосредоточено на изучении так называемых нереципрокных сил. В таких взаимодействиях одна частица воздействует на другую иначе, чем испытывает ответное влияние со стороны соседа.
Экспериментаторы и теоретики использовали специально спроектированную нейросеть для анализа данных, полученных при наблюдении за пылевой плазмой. Пылевая плазма представляет собой ионизированный газ, содержащий твердые микроскопические частицы. Ученым удалось доказать, что искусственный интеллект способен не только обрабатывать массивы информации или делать прогнозы, но и помогать в открытии фундаментальных физических законов, уточняя существующие теоретические модели.
Разработанный метод позволил описать силы, действующие в пылевой плазме, с точностью более 99%. Эти силы крайне трудно измерить напрямую из-за их сложности и несимметричного характера. Анализ показал, что некоторые общепринятые теоретические предположения оказались неточными. В частности, ранее считалось, что электрический заряд частицы увеличивается прямо пропорционально ее размеру. ИИ продемонстрировал, что эта зависимость значительно сложнее и определяется плотностью и температурой плазмы. Также было опровергнуто мнение, что скорость ослабления сил между частицами при увеличении расстояния не зависит от их радиуса.
Физики сравнивают поведение частиц в такой среде с движением двух лодок на воде. Каждое судно создает волны, которые влияют на другое, при этом передняя лодка может притягивать идущую следом, в то время как задняя всегда отталкивает ведущую. Ученые получили точное математическое описание этого феномена, которое ранее отсутствовало в физике плазмы.
Пылевая плазма считается четвертым состоянием вещества и встречается как в космосе – например, в кольцах Сатурна или в ионосфере Земли, – так и в земных условиях. На Луне из-за слабой гравитации заряженная пыль парит над поверхностью, загрязняя скафандры астронавтов. В земных условиях подобные системы образуются во время лесных пожаров, когда сажа смешивается с дымом, создавая помехи для радиосвязи.
Для сбора данных авторы работы использовали метод томографической визуализации в вакуумной камере. С помощью лазерного луча и высокоскоростной камеры исследователи фиксировали трехмерное движение десятков пластиковых микрочастиц, взвешенных в плазме. Регулируя давление газа, ученые моделировали различные условия среды и отслеживали траектории движения объектов с высокой детализацией.
Предложенная архитектура нейросети отличается от стандартных моделей тем, что она была адаптирована для работы с небольшими объемами экспериментальных данных. Проектирование сети заняло более года: ученым требовалось создать структуру, которая бы следовала базовым физическим правилам, но при этом имела свободу для поиска новых закономерностей. В итоге модель разделила факторы, влияющие на движение, на три составляющие: сопротивление среды, внешние силы вроде гравитации и непосредственное взаимодействие между частицами.
По мнению авторов, созданный инструмент универсален и может быть применен для изучения других многокомпонентных систем. Это касается как разработки промышленных материалов, таких как краски и чернила, так и биологических исследований. В частности, физические принципы коллективного движения могут помочь в понимании механизмов метастазирования опухолей, когда группы клеток отделяются и перемещаются в организме.