La robotique découvre la physique alternative

Plongements latents d’un cadre coloré par des variables d’état physique. Crédit : Boyuan Chen/Columbia Engineering

Énergie, masse, vitesse. Ces trois variables constituent l’équation iconique d’Einstein E=MC2. Mais comment Einstein a-t-il connu ces concepts en premier lieu ? Un préalable à la compréhension de la physique consiste à identifier les variables pertinentes. Sans le concept d’énergie, de masse et de vitesse, même Einstein ne serait pas en mesure de découvrir la théorie de la relativité. Mais de telles variables peuvent-elles être découvertes automatiquement ? Cela pourrait considérablement accélérer la découverte scientifique.

C’est la question que les chercheurs de Columbia Engineering ont posée à un nouveau programme d’IA. Le programme est conçu pour observer des phénomènes physiques avec une caméra vidéo, puis rechercher l’ensemble minimum de variables fondamentales qui décrivent complètement la dynamique observée. L’étude a été publiée le 25 juillet dans Science computationnelle de la nature.

Les chercheurs ont démarré le système avec des séquences vidéo brutes de phénomènes dont ils connaissaient déjà la réponse. Par exemple, ils ont envoyé une vidéo d’un double pendule oscillant connu pour avoir exactement quatre “variables d’état”: l’angle et la vitesse angulaire de chacun de ses deux bras. Après quelques heures d’analyse, l’IA a trouvé la réponse : 4.7.






L’image montre un système de swingstick dynamique chaotique en mouvement. Le travail vise à identifier et extraire le nombre minimum de variables d’état nécessaires pour décrire directement un tel système à partir d’images vidéo de grande dimension. Crédit : Yinuo Qin/Columbia Engineering

“Nous pensions que cette réponse était assez proche”, a déclaré Hod Lipson, directeur du Creative Machines Lab du Département de génie mécanique, où le travail a été principalement effectué. “Surtout parce que toutes les IA avaient accès à la vidéo brute, sans aucune connaissance en physique ou en géométrie. Mais nous voulions savoir quelles étaient réellement les variables, pas seulement leur nombre.”

Les chercheurs ont ensuite visualisé les variables réelles identifiées par le programme. Il n’a pas été facile d’extraire les variables elles-mêmes, car le programme ne peut pas les décrire de manière intuitive et compréhensible. Après un travail de détective, il s’est avéré que deux des variables choisies par le programme correspondaient vaguement aux angles des bras, mais les deux autres restent un mystère.

“Nous avons essayé de corréler les autres variables avec tout ce à quoi nous pouvions penser : les vitesses angulaires et linéaires, l’énergie cinétique et potentielle, et diverses combinaisons de quantités connues”, explique Boyuan Chen Ph.D., aujourd’hui professeur adjoint à l’Université de Groningue. Université Duke, sortie. qui a dirigé les travaux. “Mais rien ne semblait correspondre parfaitement.” L’équipe était convaincue que l’IA avait trouvé un ensemble valide de quatre variables car elle faisait de bonnes prédictions, “mais nous ne comprenons pas encore le langage mathématique qu’elle parle”, a-t-il expliqué.

Après avoir validé un certain nombre d’autres systèmes physiques avec des solutions connues, les chercheurs ont alimenté des vidéos de systèmes pour lesquels ils ne connaissaient pas la réponse explicite. Les premières vidéos montraient un « danseur de l’air » faisant signe de la main devant un parking de voitures d’occasion local. Après quelques heures d’analyse, le programme a retourné huit variables. Une vidéo d’une lampe à lave a également donné huit variables. Ils ont ensuite exécuté un clip vidéo des flammes d’une boucle de cheminée de vacances, et le programme a renvoyé 24 variables.

Une question particulièrement intéressante était de savoir si l’ensemble de variables était unique à chaque système ou si un ensemble différent était produit à chaque redémarrage du programme.

“Je me suis toujours demandé si nous rencontrerions jamais une race extraterrestre intelligente, auraient-ils découvert les mêmes lois de la physique que nous, ou pourraient-ils décrire l’univers d’une manière différente?” dit Lipson. “Peut-être que certains phénomènes semblent étrangement complexes parce que nous essayons de les comprendre en utilisant le mauvais ensemble de variables. Dans les expériences, le nombre de variables était le même à chaque redémarrage de l’IA, mais les variables spécifiques étaient différentes à chaque fois. Alors oui, il y avait d’autres façons de décrire l’univers et il est tout à fait possible que nos choix ne soient pas parfaits.”

Les chercheurs pensent que ce type d’IA pourrait aider les scientifiques à découvrir des phénomènes complexes pour lesquels la compréhension théorique ne peut pas suivre le déluge de données – des domaines allant de la biologie à la cosmologie. “Bien que nous ayons utilisé des données vidéo dans ce travail, tout type de source de données de réseau pourrait être utilisé, par exemple des réseaux radar ou des réseaux d’ADN”, explique Kuang Huang, Ph.D., co-auteur de l’article.

Le travail fait partie de l’intérêt de plusieurs décennies de Qiang Du, professeur de mathématiques de la Fondation Lipson et Fu, pour la création d’algorithmes capables de transformer des données en lois scientifiques. Les systèmes logiciels antérieurs, tels que le logiciel Eureqa de Lipson et Michael Schmidt, étaient capables de distribuer librement des lois physiques à partir de données expérimentales, mais uniquement si les variables étaient identifiées à l’avance. Mais que se passe-t-il si les variables ne sont pas encore connues ?

Lipson, qui est également professeur d’innovation James et Sally Scapa, soutient que les scientifiques peuvent mal interpréter ou mal comprendre de nombreux phénomènes simplement parce qu’ils ne disposent pas d’un bon ensemble de variables pour décrire les phénomènes.

“Pendant des milliers d’années, les gens connaissaient les objets en mouvement rapide ou lent, mais ce n’est que lorsque la notion de vitesse et d’accélération a été formellement quantifiée que Newton a pu découvrir sa célèbre loi du mouvement F = MA”, a noté Lipson. Les variables décrivant la température et la pression devaient être identifiées avant que les lois de la thermodynamique puissent être formalisées, et ainsi de suite pour tous les coins du monde scientifique. Les variables sont un précurseur de toute théorie.

“Quelles autres lois manquons-nous simplement parce que nous n’avons pas les variables?” demanda Du, qui dirigeait les travaux.

L’article a également été co-écrit par Sunand Raghupathi et Ishaan Chandratreya, qui ont aidé à collecter les données pour les expériences.


Des astronomes découvrent des dizaines de nouvelles étoiles variables


Plus d’information:
Boyuan Chen et al, Découverte automatisée des variables fondamentales cachées dans les données expérimentales, Science computationnelle de la nature (2022). DOI : 10.1038/s43588-022-00281-6

Fourni par l’École d’ingénierie et de sciences appliquées de l’Université de Columbia

Devis: Robotics Discover Alternative Physics (2022, 26 juillet) récupéré le 27 juillet 2022 sur https://phys.org/news/2022-07-roboticists-alternative-physics.html

Ce document est protégé par copyright. En dehors de l’utilisation équitable à des fins d’étude ou de recherche personnelle, rien ne peut être reproduit sans autorisation écrite. Le contenu est fourni à titre informatif uniquement.

Leave a Reply

Your email address will not be published.