详细内容或原文请订阅后点击阅览
科学家使用生成式人工智能回答物理学中的复杂问题
一种可以自动对物理系统阶段进行分类的新技术可以帮助科学家研究新材料。
来源:MIT新闻 - 人工智能水结冰时会从液态转变为固态，导致密度和体积等性质发生剧烈变化。水中的相变非常常见，大多数人可能甚至都不会想到它们，但新型材料或复杂物理系统中的相变是一个重要的研究领域。
为了充分了解这些系统，科学家必须能够识别相并检测相之间的转变。但如何量化未知系统中的相变通常不清楚，尤其是在数据稀缺的情况下。
麻省理工学院和瑞士巴塞尔大学的研究人员将生成式人工智能模型应用于这个问题，开发了一种新的机器学习框架，可以自动绘制新物理系统的相图。
他们的基于物理学的机器学习方法比依赖理论专业知识的费力的手动技术更有效。重要的是，由于他们的方法利用了生成模型，因此它不需要其他机器学习技术中使用的大量标记训练数据集。
这样的框架可以帮助科学家研究新材料的热力学性质或检测量子系统中的纠缠。最终，这种技术可以让科学家自主发现物质的未知相。
“如果你有一个具有完全未知属性的新系统，你会如何选择要研究的可观测量？希望，至少使用数据驱动的工具，你可以以自动化的方式扫描大型新系统，它会指出系统中的重要变化。这可能是自动科学发现新奇相属性的工具，”计算机科学与人工智能实验室 (CSAIL) Julia 实验室的博士后、有关这种方法的论文的合著者 Frank Schäfer 说。
今天发表 物理评论快报。使用人工智能检测相变