熱力學第二定律描述了物理系統(tǒng)如何隨時間演化的不對稱性，稱為時間箭頭。在宏觀系統(tǒng)中，這種不對稱具有明確的方向(例如，可以很容易地注意到顯示系統(tǒng)隨時間變化的視頻是正常播放還是向后播放)。

但是，在微觀世界中，這個方向并不總是很明顯。實際上，微觀系統(tǒng)中的波動會導致明顯違反熱力學第二定律，從而導致時間箭頭變得模糊不清。結(jié)果，當觀看微觀過程的視頻時，即使不是不可能，也可能難以確定是正常播放還是向后播放。

馬里蘭大學的研究人員開發(fā)了一種機器學習算法，可以在宏觀和微觀過程中推斷熱力學時間箭頭的方向。在《自然物理學》上發(fā)表的一篇論文中提出的這種算法最終可以幫助發(fā)現(xiàn)與熱力學有關的新物理原理。

“我參加了由Jarzysnki教授教授的非平衡統(tǒng)計力學課程時，就從小規(guī)模學習了熱力學，”進行這項研究的研究人員之一Alireza Seif告訴Phys.org。“與此同時，我正在探索機器學習在物理學中的應用，近年來引起了人們的極大興趣。機器學習應用的一個例子是對圖像進行分類，并且使用相同的工具對物理學中的物質(zhì)階段進行分類。 。”

在進行研究時，Seif意識到嘗試確定時間箭頭的方向的嘗試也可以歸類為分類問題。因此，他開始探索開發(fā)可以確定這個方向的機器學習算法的可能性，并與他的同事Mohammad Hafezi和Christopher Jarzynski討論了這個想法。三位研究人員決定合作。在初步實驗成功之后，他們開始研究神經(jīng)網(wǎng)絡可以提供新的有價值的見解的各種情況。

賽夫解釋說：“我們使用監(jiān)督學習并訓練了神經(jīng)網(wǎng)絡，以基于一組物理過程的模擬電影來檢測時間箭頭的方向，并帶有指示前進/后退的相應標簽。” “我們的神經(jīng)網(wǎng)絡輸出的數(shù)字介于0到1之間，取決于輸入(電影)和網(wǎng)絡的參數(shù)(權重和偏差)。然后，我們尋找那些參數(shù)值，該參數(shù)值可最大程度地減少神經(jīng)網(wǎng)絡與真正的標簽(時間箭頭的方向)。”

當他們使用神經(jīng)網(wǎng)絡分析物理過程的視頻時，他們發(fā)現(xiàn)它可以成功地以極好的準確性預測時間箭頭的方向。另外，算法的分析表明，在確定該方向時，耗散功是要使用的適當量。

在他們的研究中，研究人員還使用了由Google的一組軟件工程師引入的稱為Inceptionism的技術。這項技術使他們能夠研究神經(jīng)網(wǎng)絡內(nèi)部發(fā)生的事情，從而確定最具代表性的前進和后退軌跡。

例如，為了發(fā)現(xiàn)代表性的前進軌跡，團隊采用了未知方向(即前進或后退)的隨機輸入，并以網(wǎng)絡輸出將其分類為前進的方式對其進行了更改。然后他們表明，他們發(fā)現(xiàn)的代表性軌跡實際上與理論預測相符。

賽夫說：“近幾十年來，在非平衡統(tǒng)計物理學的背景下，時間箭頭的物理學得到了量化。” “有趣的是，在這些定理出現(xiàn)幾十年之前就存在一種眾所周知的算法(邏輯回歸)，得出相同的結(jié)果?？梢韵胂蟮氖?，通過這種數(shù)值實驗，人們可以在發(fā)現(xiàn)該解決方案之前就對其進行理論上的闡述。從物理原理出發(fā)。”