Ingewikkelde natuurkundige problemen zijn soms eenvoudiger dan ze lijken. Daarom gebruiken natuurkundigen Kunstmatige Intelligentie om te zoeken naar de verborgen eenvoud.
Kunstmatige intelligentie (AI) kan natuurkundige problemen vereenvoudigen zodat ze symmetrischer worden. Natuurkundigen hebben daarvoor een AI-model gemaakt dat zelf patronen vindt in grote hoeveelheden data.
‘Er zijn in de geschiedenis van de wetenschap heel veel gevallen bekend waarin mensen dachten dat dingen ingewikkelder waren dan ze in werkelijkheid waren, omdat ze de eenvoudigste beschrijving ervan niet hadden gevonden’, zegt Max Tegmark, natuurkundige aan het Massachusetts Instituut van Technologie (MIT).
‘Er is heel veel mis met de p-waarde’
De p-waarde is tegenintuïtief en wordt vaak onjuist gebruikt, stelt wiskundige Rianne de Heide. We moeten naar een alternatief.
Coördinatenstelsels
Tegmark en Ziming Liu, ook natuurkundige aan het MIT, gebruikten een neuraal netwerk, gebaseerd op de manier waarop hersencellen met elkaar in verbinding staan.
Zij programmeerden het om problemen met complexe coördinatenstelsels, de manier waarop natuurkundeproblemen ruimtelijk worden beschreven, om te zetten in problemen die een vorm van symmetrie vertonen. Deze eenvoudigere, meer symmetrische puzzels zijn vaak gemakkelijker op te lossen.
‘Om problemen echt aan te pakken, moeten we kiezen voor een bepaald coördinatenstelsel. Vervolgens kunnen we een aantal vergelijkingen opschrijven en proberen om die op te lossen’, zegt Liu.
Het is niet altijd gemakkelijk om het eenvoudigste coördinatenstelsel te vinden. Een voorbeeld is een van de eerste vergelijkingen om een zwart gat te beschrijven. Die kon niet verklaren wat er gebeurt bij de waarnemingshorizon: het punt waar licht niet kan ontsnappen aan de zwaartekracht van het zwarte gat. ‘Het heeft 17 jaar geduurd voordat mensen zich realiseerden dat er een mogelijkheid bestaat die dit systeem kan vereenvoudigen’, zegt Liu. ‘Ons programma heeft slechts een half uur nodig.’
Bestaande oplossingen
Tegmark en Liu testten hun systeem op zes bekende natuurkundige problemen uit de klassieke mechanica en de algemene relativiteitstheorie die al zijn opgelost, waaronder dat van het zwarte gat. Het systeem herontdekte de eenvoudigste symmetrie in elk geval.
Om de verborgen symmetrieën van elk probleem te ontdekken, krijgt de AI een lijst van bekende symmetrieën. Vervolgens probeert het duizenden coördinatenstelsels uit, tot het een overeenkomst vindt met een van die bekende symmetrieën.
Het oplossen van problemen die mensen al hebben opgelost, bewijst dat het model werkt. Maar de AI zal het meest waardevol zijn bij het oplossen van problemen waarvoor op dit moment nog geen oplossingen bestaan. ‘Ik ben het meest enthousiast over de toepassing op gebieden van de natuurkunde waarvan je vermoedt dat er misschien nog meer eenvoud te vinden is, maar die we nog niet hebben gevonden,’ zegt Tegmark.
Twee manieren mogelijk
Het oplossen van problemen in de natuurkunde met behulp van machineleren maakt gebruik van grote hoeveelheden bestaande gegevens, zegt Yang-Hui He, wiskundig natuurkundige aan de City University of London. Maar er zijn ook andere methoden waarbij machineleren wordt gebruikt om wis- en natuurkundige problemen op te lossen door vanuit het niks op te bouwen, zoals het regel voor regel construeren van wiskundige bewijzen.
Beide methoden zijn veelbelovend voor het ontdekken van nieuwe wis- en natuurkunde, zegt He. ‘Ik ben een optimist, dus ik denk zeker dat we in de nabije toekomst belangrijke nieuwe resultaten in de pure wiskunde en de theoretische natuurkunde zullen zien die ontdekt zijn door deze twee richtingen tegelijkertijd te bewandelen.’
