由Yaguchi Takaharu副教授(系統(tǒng)信息學(xué)研究生院)和Matsubara Takashi副教授(大阪大學(xué)工程科學(xué)研究生院)領(lǐng)導(dǎo)的研究小組已成功開發(fā)出能夠模擬無法解釋其詳細(xì)機理或公式的現(xiàn)象的技術(shù)。他們通過使用人工智能(AI)從觀測數(shù)據(jù)創(chuàng)建一個忠實于物理定律的模型來做到這一點。

希望這種發(fā)展將有可能預(yù)測到現(xiàn)在為止由于其詳細(xì)的潛在機制尚不清楚而難以模擬的現(xiàn)象。還有望提高仿真本身的速度。

這些研究成果在12月7日舉行的第三十四屆神經(jīng)信息處理系統(tǒng)會議(NeurIPS 2020)上發(fā)表，這是一場有關(guān)人工智能技術(shù)相關(guān)主題的著名會議。

通常，可以通過使用超級計算機的模擬來進(jìn)行物理現(xiàn)象的預(yù)測，并且這些模擬使用基于物理定律的方程式。盡管這些方程式具有很高的通用性，但這并不總是意味著它們能夠完美地復(fù)制單個現(xiàn)象的獨特特征。例如，許多人了解高中擺運動背后的物理原理。但是，如果您實際上要制作一個擺錘并嘗試使其擺動，則擺錘中的輕微制造缺陷可能會導(dǎo)致其不按照理論移動，這會導(dǎo)致模擬的預(yù)測出錯。因此，研究應(yīng)用觀測數(shù)據(jù)近年來，通過人工智能對現(xiàn)象進(jìn)行模擬的研究不斷發(fā)展。如果能夠完全實現(xiàn)這一點，則有可能開發(fā)自定義的真實現(xiàn)象模擬，這將提高模擬預(yù)測的準(zhǔn)確性。

但是，由于計算機是數(shù)字化的，因此很難使用當(dāng)前的AI將控制現(xiàn)實世界現(xiàn)象的物理定律引入預(yù)測技術(shù)。很難完美地復(fù)制諸如能量守恒定律等物理定律。因此，在長期預(yù)測中可能會發(fā)生不自然的能量增加或減少。這可能導(dǎo)致諸如物體速度或波高之類的現(xiàn)象被高估或低估，并導(dǎo)致有關(guān)預(yù)測可靠性的不確定性。