Artificiell intelligens kan inte bara analysera forskningsdata. Den kan även föreslå helt nya fysikexperiment och hitta konstruktioner som matchar eller överträffar experiment utformade av människor.
Det visar en internationell forskargrupp i en ny översiktsartikel i tidskriften Nature. Forskarna beskriver hur AI-baserade metoder har utvecklats från att justera enstaka inställningar till att konstruera kompletta experimentella upplägg.
AI söker bland miljontals möjliga konstruktioner
Ett fysiklaboratorium kan innehålla lasrar, linser, speglar, sensorer och elektroniska komponenter. Delarna kan kombineras på ett mycket stort antal sätt, men bara en liten andel av kombinationerna ger användbara experiment.
Traditionellt bygger valet på forskarnas erfarenhet, intuition och teoretiska kunskaper. Ett AI-system kan i stället få en matematisk beskrivning av den tillgängliga utrustningen och systematiskt söka efter den bästa kombinationen.
Metoden gör det möjligt att undersöka betydligt fler alternativ än en människa rimligen skulle hinna analysera. Resultatet kan bli experiment som går emot etablerade konstruktionsprinciper men ändå ger bättre mätningar eller öppnar helt nya möjligheter.
Det handlar inte främst om chattrobotar
AI-systemen som används för detta skiljer sig från språkmodeller som ChatGPT. Uppgiften är inte att generera ett sannolikt svar utifrån stora textmängder, utan att lösa ett omfattande optimeringsproblem.
Först skapas en digital modell av utrustningen och de fysikaliska lagar som styr experimentet. Datorn testar därefter olika konstruktioner i simuleringar och bedömer hur väl de uppfyller forskarnas mål.
I ett tidigt exempel lyckades en algoritm hitta ett fungerande upplägg för ett kvantexperiment efter att forskargruppen själv hade haft svårt att hitta en lösning. Förslaget behövde fortfarande analyseras och verifieras av fysiker innan det kunde användas.
Kan förbättra flera typer av experiment
AI-baserad experimentdesign har redan använts inom flera fysikområden. Algoritmer har bland annat hjälpt till att optimera konstruktioner för fusionsreaktorer, partikeldetektorer och avancerade mikroskop.
Liknande metoder har även tagit fram förslag på känsligare detektorer för gravitationsvågor. Där kan små förändringar i placeringen av speglar och andra komponenter påverka instrumentets möjlighet att registrera mycket svaga signaler från universum.
I vissa fall är det enkelt för forskarna att förstå varför AI konstruktion fungerar bättre. Andra lösningar kan vara svårare att förklara, trots att beräkningar visar att de ger bättre resultat.
Människan måste fortfarande formulera frågan
Forskarna framhåller att AI inte själv bestämmer vad som är vetenskapligt viktigt. Människor måste fortfarande formulera målet, välja vilka komponenter som får användas och ange praktiska begränsningar för exempelvis kostnad, energi och säkerhet.
En konstruktion som fungerar i en simulering måste dessutom testas i ett verkligt laboratorium. Felaktiga modeller eller dåligt formulerade mål kan annars få systemet att optimera för något som saknar praktiskt värde.
AI fungerar därför främst som ett avancerat verktyg för att utvidga forskarnas sökförmåga. Den vetenskapliga bedömningen, tolkningen och kontrollen ligger fortfarande hos människor.
Nästa steg är bredare fysiksimulatorer
På längre sikt vill forskarna utveckla simulatorer som kan hantera flera fysikområden och ett större urval av vetenskapliga mål. Sådana system skulle kunna upptäcka experimentella principer som är svåra att nå enbart genom mänsklig intuition.
Utvecklingen innebär inte att forskaren försvinner ur laboratoriet. Däremot kan arbetsfördelningen förändras: människan formulerar den viktiga frågan och AI hjälper till att hitta det mest lovande sättet att besvara den.
Källor för publiceringen: