AI skaber bizarre fysikeksperimenter der faktisk virker
I en bemærkelsesværdig udvikling i skæringspunktet mellem kunstig intelligens og fysik har forskere opdaget, at AI kan designe eksperimenter, der ikke bare er funktionelle, men faktisk overgår menneskeligt designede forsøgsopstillinger. Denne revolutionerende tilgang åbner helt nye muligheder for videnskabelig opdagelse.
Fra uforståelig til genialt
Når fysikere ved California Institute of Technology, ledet af Rana Adhikari, kiggede på de første AI-genererede eksperimentdesigns, var deres umiddelbare reaktion forvirring. “Outputtene som maskinen gav os var virkelig ikke forståelige for mennesker,” forklarer Adhikari. “De var for komplicerede og lignede fremmede ting. Intet som et menneske ville skabe, fordi designet manglede enhver form for symmetri, skønhed eller andet. Det var bare et rod.”
Men da forskerne analyserede AI’ens bizarre forslag til forbedringer af LIGO (Laser Interferometer Gravitational-Wave Observatory) – verdens mest følsomme instrument til måling af gravitationsbølger – opdagede de noget bemærkelsesværdigt: AI’en havde udnyttet oversete teoretiske principper fra russiske fysikere årtier tilbage for at reducere kvantemekanisk støj.
En revolution i følsomhed
Det mest slående ved AI’ens design var, at det kunne have forbedret LIGO’s følsomhed med 10-15% – en enorm forbedring når det gælder et instrument, der kan måle ændringer mindre end bredden af en proton. AI’en tilføjede en ekstra tre kilometer lang ring mellem interferometeret og detektoren for at cirkulere lyset, før det forlod instrumentets arme.
“Hvis AI’ens indsigter havde været tilgængelige, da LIGO blev bygget, ville vi have haft 10-15% bedre LIGO-følsomhed hele vejen igennem,” siger Adhikari.
Opfindsomme løsninger i kvanteverdenen
Et andet område, hvor AI har vist sin genialitet, er inden for kvanteoptikseksperimenter. Forskerteamet ledet af fysikeren Mario Krenn udviklede en AI-løsning kaldet PyTheus (opkaldt efter Python og den græske helt Theseus), der kunne designe eksperimenter til at skabe sammenfiltring mellem fotoner.
Da Krenn bad PyTheus om at finde den bedste måde at udføre “entanglement swapping” – en proces hvor fotoner, der aldrig har interageret, bliver sammenfiltrede – kom AI’en med en løsning, der var helt anderledes end den nobelprisvindende fysiker Anton Zeilingers design fra 1993. Ved at låne ideer fra et separat forskningsområde kaldet multifotoneninterferens skabte AI’en en meget simplere konfiguration.
Det mest imponerende? Da et kinesisk forskerhold ledet af Xiao-Song Ma fra Nanjing University byggede eksperimentet i december 2024, virkede det præcis som forudsagt.
Fra mønstergenkendelse til nye opdagelser
AI’s bidrag til fysik strækker sig ud over eksperimentelt design. Som Kyle Cranmer fra University of Wisconsin-Madison forklarer: “Lige nu er det som at lære et barn at tale. Vi laver en masse babysitting.” Alligevel har maskinlæringsmodeller trænet på virkelige og simulerede data været i stand til at opdage mønstre, der ellers kunne være blevet overset.
For eksempel har Cranmer og hans kolleger brugt maskinlæring til at forudsige tætheden af mørkt stof i universet baseret på observerbare egenskaber af nærliggende klumper. AI’en kom frem til en formel, der beskrev dataene bedre end menneskeskabte modeller.
Fremtiden for AI i fysikforskning
Redskaber som Berkeley Labs OmniFold accelererer dataanalyse dramatisk ved at komprimere års arbejde til minutter, hvilket hjælper med at identificere skjulte mønstre, nye partikler eller anomale signaler. AI har endda korrigeret misforståelser i plasmafysik ved at levere præcise modeller for partikelinteraktioner.
Et andet spændende fremskridt er AI-drevne simuleringer, der kan modellere milliarder af atomer samtidigt med kvantemekanisk nøjagtighed, men med drastisk reducerede beregningskrav.
Et kraftfuldt partnerskab
Mens AI’s rolle bliver stadigt mere autonom inden for databehandling og design, forbliver menneskelig ekspertise afgørende for at guide disse systemer og fortolke deres resultater. Som Aephraim Steinberg fra University of Toronto bemærker om LIGO: “LIGO er denne enorme ting, som tusinder af mennesker har tænkt dybt over i 40 år. De har tænkt på alt, hvad de kunne, og alt nyt [AI’en] kommer op med, er en demonstration af, at det er noget, tusinder af mennesker ikke formåede at gøre.”
Samarbejdet mellem AI og fysikere danner et kraftfuldt partnerskab med potentiale til at accelerere opdagelser og åbne nye områder inden for fysikken. Vi står potentielt ved begyndelsen af en ny æra af videnskabelig indsigt, hvor menneskets kreativitet og AI’s beregningskraft forenes i jagten på universets hemmeligheder.
