هوش مصنوعی پرده از فیزیک ناشناخته در حالت چهارم ماده برداشت

به گزارش خبرگزاری ایمنا و به نقل از نشریه پنز، یک دستاورد علمی کم‌سابقه در تقاطع فیزیک و هوش مصنوعی، نگاه پژوهشگران را به «حالت چهارم ماده» و رفتارهای پیچیده آن متحول کرده است. تیمی از فیزیکدانان تجربی و نظری دانشگاه اموری در مطالعه‌ای که بتازگی در نشریه معتبر PNAS منتشر شده، موفق شده‌اند با استفاده از یک شبکه عصبی ویژه، به ویژگی‌های غیرمنتظره‌ای در نیروهای غیرمتقابل میان ذرات یک پلاسمای غبارآلود دست یابند؛ یافته‌هایی که می‌تواند به گشودن فصل تازه‌ای در علم مواد و فیزیک حالت پلاسما منجر شود.

پلاسما، حالت چهارم ماده، اغلب در محیط‌هایی با انرژی بالا همچون خورشید یا رعد و برق دیده می‌شود. اما شکل‌های آزمایشگاهی آن، مانند «پلاسمای غبارآلود»، به دانشمندان اجازه می‌دهد تا رفتار ذرات باردار را با جزئیات مثال‌زدنی بررسی کنند. در این سیستم‌ها، ذرات نه‌تنها به یکدیگر نیرو وارد می‌کنند، بلکه گاه این نیروها ماهیت «نامتقارن» یا «غیرمتقابل» پیدا می‌کنند؛ یعنی اثر ذره A بر B به لزوم همان تأثیر B بر A نیست. این ویژگی، پیش‌بینی رفتار جمعی سیستم‌های چندذره‌ای را دشوار و حتی در برخی شرایط ناممکن می‌کند.

در این پژوهش، محققان با طراحی یک شبکه عصبی هدفمند، روشی متفاوت از کاربردهای معمول یادگیری ماشین را به کار گرفتند. این شبکه عصبی نه برای پیش‌بینی مستقیم، بلکه برای کشف ساختارهای پنهان در داده‌های تجربی به کار گرفته شد؛ داده‌هایی که از اندازه‌گیری‌های دقیق تنظیمات آزمایشگاهی پلاسما استخراج شده بودند. این ادغام میان تجربه و محاسبه، امکان آشکارسازی الگوهای ناشناخته‌ای را فراهم کرد که پیش‌تر با روش‌های کلاسیک قابل دستیابی نبودند.

بر اساس نتایج گزارش‌شده، هوش مصنوعی توانسته رفتار نیروهای غیرمتقابل را در این محیط یونیزه به شکلی توصیف کند که پیش‌تر حتی در چارچوب‌های نظری نیز پیش‌بینی نشده بود. این کشف اهمیت بسیاری دارد، زیرا نیروهای غیرمتقابل در رشته‌های مختلفی از علم ـ از فیزیک نرم و ماده چگال گرفته تا سیستم‌های زیستی و حتی فرآیندهای خودسازمان‌ده ـ نقش بنیادین ایفا می‌کنند.

پژوهشگران تأکید کرده‌اند که این دستاورد می‌تواند راه را برای شناسایی قوانین جدید فیزیکی هموار کند. به‌گفته آن‌ها، این روش نشان می‌دهد هوش مصنوعی می‌تواند نه‌فقط ابزار تحلیل داده باشد، بلکه می‌تواند به کشف اصول بنیادی طبیعت کمک کند؛ نقشی که تا چند سال پیش تنها به مدل‌های نظری و آزمایش‌های پیچیده نسبت داده می‌شد.

این مطالعه همچنین دریچه‌ای به کاربردهای گسترده‌تر باز می‌کند: از طراحی مواد جدید و کنترل پلاسما در همجوشی هسته‌ای گرفته تا فهم بهتر سیستم‌های شلوغی که قوانین متقارن فیزیکی در آن‌ها شکسته می‌شود. اگر این روش در حوزه‌های دیگر نیز توسعه یابد، می‌تواند به یکی از قدرتمندترین موتورهای کشف علمی در دهه‌های آینده تبدیل شود.