ИИ проводит странные физические эксперименты. Но они работают.

Программное обеспечение искусственного интеллекта разрабатывает новые экспериментальные протоколы, которые превосходят работу физиков-людей, хотя людям по-прежнему приходится «много няньчить». Комментарий Сохранить статью Прочитать позже

Есть прецизионные измерения, а есть ещё и лазерно-интерферометрическая гравитационно-волновая обсерватория. В каждом из двух детекторов гравитационных волн LIGO (один в Ханфорде, штат Вашингтон, а другой в Ливингстоне, штат Луизиана) лазерные лучи отражаются вперёд и назад по четырёхкилометровым рукавам гигантской буквы L. При прохождении гравитационной волны длина одного рукава относительно другого изменяется меньше, чем ширина протона. Именно благодаря измерению этих мельчайших различий — чувствительности, сравнимой с измерением расстояния до звезды Альфа Центавра с точностью до толщины человеческого волоса, — совершаются открытия.

Разработка конструкции установки заняла десятилетия, поскольку физикам необходимо было довести каждый аспект до абсолютных физических пределов. Строительство началось в 1994 году и заняло более 20 лет, включая четырёхлетнюю остановку для улучшения детекторов, прежде чем в 2015 году LIGO зарегистрировал свою первую гравитационную волну: возмущение в ткани пространства-времени, возникшее в результате удалённого столкновения пары чёрных дыр.

Рана Адхикари, физик из Калифорнийского технологического института, возглавлял группу по оптимизации детектора в середине 2000-х годов. Он и несколько его коллег кропотливо доводили до совершенства элементы конструкции LIGO, исследуя все ограничения, препятствовавшие созданию более чувствительного прибора.

Но после обнаружения в 2015 году Адхикари захотел проверить, можно ли усовершенствовать конструкцию LIGO, например, позволив ей регистрировать гравитационные волны в более широком диапазоне частот. Такое усовершенствование позволило бы LIGO наблюдать сливающиеся чёрные дыры разных размеров, а также потенциальные сюрпризы. «Что мы действительно хотели бы открыть, так это нечто совершенно новое в астрофизике, о чём никто даже не подозревал», — сказал Адхикари. «Мы не должны иметь никаких предубеждений относительно того, как устроена Вселенная».

Он и его команда обратились к ИИ, в частности, к программному пакету, впервые созданному физиком Марио Кренном для разработки настольных экспериментов в области квантовой оптики. Сначала они предоставили ИИ все компоненты и устройства, которые можно было комбинировать для создания интерферометра произвольной сложности. Изначально ИИ не имел ограничений. Он мог спроектировать детектор длиной в сотни километров, состоящий из тысяч элементов, таких как линзы, зеркала и лазеры.

Поначалу замысел ИИ казался диковинным. «Выдаваемые им данные были совершенно непонятны людям», — сказал Адхикари. «Они были слишком сложными и напоминали инопланетные существа или ИИ. Это было нечто совершенно нечеловеческое, потому что у него не было ни чувства симметрии, ни чувства красоты, ничего подобного. Это был просто хаос».

Исследователи нашли способ очистить результаты работы ИИ, чтобы получить интерпретируемые идеи. Тем не менее, исследователи были озадачены устройством ИИ. «Если бы мои студенты попытались дать мне это, я бы сказал: „Нет, нет, это абсурд“», — сказал Адхикари. Но устройство было явно эффективным.

Потребовались месяцы, чтобы понять, что делает ИИ. Оказалось, что машина использовала контринтуитивный трюк для достижения своих целей. Она добавила дополнительное трёхкилометровое кольцо между основным интерферометром и детектором для циркуляции света перед его выходом из плеч интерферометра. Команда Адхикари поняла, что ИИ, вероятно, использует некие эзотерические теоретические принципы, которые российские физики открыли десятилетия назад для снижения квантово-механического шума. Никто никогда не проверял эти идеи экспериментально. «Требуется много времени, чтобы мыслить так далеко за пределами общепринятого решения», — сказал Адхикари. «Нам действительно был нужен ИИ».

Если бы данные ИИ были доступны на момент создания LIGO, «чувствительность LIGO была бы на 10–15% выше», — сказал он. В мире субпротонной точности 10–15% — это колоссально.

«LIGO — это грандиозная задача, о которой тысячи людей размышляют уже 40 лет», — сказал Эфраим Штейнберг, эксперт по квантовой оптике из Университета Торонто. «Они уже учли всё, что могли, и всё, что [ИИ] предлагает, — это лишь демонстрация того, что тысячи людей не смогли сделать».

Хотя ИИ пока не привёл к новым открытиям в физике, он становится мощным инструментом в этой области. Помимо помощи исследователям в планировании экспериментов, он может обнаруживать нетривиальные закономерности в сложных данных. Например, алгоритмы ИИ выявили симметрии природы в данных, собранных на Большом адронном коллайдере в Швейцарии. Эти симметрии не новы — они были ключом к теории относительности Эйнштейна, — но открытие ИИ служит доказательством принципа для будущих исследований. Физики также использовали ИИ для поиска нового уравнения, описывающего сгущение невидимой тёмной материи во Вселенной. «Люди могут начать учиться на этих решениях», — сказал Адхикари.

Врозь, но вместе

В классической физике, описывающей наш повседневный мир, объекты обладают четко определенными свойствами, которые не зависят от попыток измерить эти свойства: например, бильярдный шар имеет определенное положение и импульс в любой заданный момент времени.

В квантовом мире это не так. Квантовый объект описывается математической сущностью, называемой квантовым состоянием. Лучшее, что можно сделать, — это использовать это состояние для вычисления вероятности того, что объект окажется, скажем, в определённом месте, когда вы его там ищете.

Более того, два (или более) квантовых объекта могут находиться в одном квантовом состоянии. Возьмём, к примеру, свет, состоящий из фотонов. Эти фотоны могут генерироваться парами, которые «запутываются», то есть два фотона находятся в одном общем квантовом состоянии, даже если они разлетаются в разные стороны. Как только измеряется один из двух фотонов, результат, по-видимому, мгновенно определяет свойства другого — теперь уже удалённого — фотона.

В течение десятилетий физики предполагали, что запутанность требует, чтобы квантовые объекты изначально находились в одном и том же месте. Но в начале 1990-х годов Антон Цайлингер, который позже получил Нобелевскую премию по физике за свои исследования запутанности, показал, что это не всегда так. Он и его коллеги предложили эксперимент, который начинался с двух не связанных между собой пар запутанных фотонов. Фотоны A и B были запутаны друг с другом, как и фотоны C и D. Затем исследователи разработали хитроумную экспериментальную конструкцию, состоящую из кристаллов, расщепителей луча и детекторов, которые работали бы с фотонами B и C — одним фотоном от каждой из двух запутанных пар. В результате последовательности операций фотоны B и C обнаруживаются и уничтожаются, но в результате частицы-партнеры A и D, которые ранее не взаимодействовали, становятся запутанными. Это называется обменом запутанностью, который теперь является важным строительным блоком квантовой технологии.

Так обстояли дела в 2021 году, когда команда Кренна начала разрабатывать новые эксперименты с помощью программного обеспечения, которое они назвали PyTheus: Py — от языка программирования Python, а Theus — от Тесея, в честь греческого героя, победившего Минотавра. Команда представляла оптические эксперименты с использованием математических структур, называемых графами, которые состоят из узлов, соединённых линиями, называемыми рёбрами. Узлы и рёбра представляли различные аспекты эксперимента, такие как светоделители, пути фотонов или факт взаимодействия двух фотонов.

Команда Кренна начала с построения очень общего графа, моделирующего пространство всех возможных экспериментов определённого размера. Выходные характеристики графа представляли собой некое желаемое квантовое состояние — скажем, две частицы, выходящие из экспериментальной установки, которые никогда не взаимодействовали, но теперь запутаны.

Таким образом, вопрос заключался в том, как модифицировать все остальные части графика, чтобы получить это состояние. Чтобы выяснить это, исследователи сформулировали математическую функцию. Она учитывала состояние графика и вычисляла разницу между выходным значением графика и желаемым квантовым состоянием. Затем они итеративно модифицировали параметры графика, представляющие экспериментальную конфигурацию, чтобы свести это расхождение к нулю.

Когда ученик Кренна, Сёрен Арльт, попытался использовать этот подход, чтобы найти наилучший способ обмена запутанностью, он заметил, что экспериментальная конфигурация была неузнаваемой — совершенно не похожей на конструкцию Цайлингера 1993 года. «Когда он показал её мне, мы были в замешательстве», — сказал Кренн. «Я был убеждён, что она, должно быть, неверна».

Алгоритм оптимизации заимствовал идеи из отдельной области исследований, называемой многофотонной интерференцией. Благодаря этому была создана более простая конфигурация, чем у Цайлингера. Затем группа Кренна провела отдельный математический анализ окончательной конструкции. Он подтвердил, что новая экспериментальная конструкция действительно создаст запутанность между частицами без общего прошлого.

В декабре 2024 года группа учёных из Китая под руководством Сяо-Сун Ма из Нанкинского университета подтвердила это. Они провели реальный эксперимент, и он прошёл так, как и было задумано.

В поисках скрытой формулы

Экспериментальное проектирование — не единственный способ использования ИИ физиками. Они также применяют его для анализа экспериментальных результатов.

«Сейчас, я бы сказал, это похоже на обучение ребёнка говорить», — сказал Кайл Крэнмер, физик из Висконсинского университета в Мадисоне, о начинающихся попытках использования ИИ для решения задач в физике. «Мы во многом нянчимся с детьми». Тем не менее, модели машинного обучения, обученные на реальных и смоделированных данных, обнаруживают закономерности, которые в противном случае могли бы остаться незамеченными.

Например, Кранмер и его коллеги использовали модель машинного обучения для прогнозирования плотности сгустков тёмной материи во Вселенной, основываясь на наблюдаемых свойствах других подобных скоплений поблизости. Такие расчёты необходимы для понимания роста галактик и их скоплений. Система вывела формулу для описания плотности сгустков тёмной материи, которая лучше соответствует данным, чем формула, выведенная человеком. Уравнение ИИ «очень хорошо описывает данные», сказал Кранмер. «Но в нём отсутствует история о том, как это происходит».

Иногда этого достаточно для доказательства принципа, чтобы показать, что ИИ может заново открывать то, что людям уже известно.

Роуз Ю, специалист по информатике из Калифорнийского университета в Сан-Диего, и её коллеги обучали модели машинного обучения находить симметрии в данных. Симметрия подразумевает, что данные либо остаются неизменными, либо предсказуемо и просто изменяются при преобразовании. Например, окружность обладает вращательной симметрией — она инвариантна относительно вращения. Ю и её команда применили свой метод к данным, собранным на Большом адронном коллайдере, и выявили так называемые симметрии Лоренца, которые имеют решающее значение для теории относительности Эйнштейна. Это изменения перспективы, которые оставляют применимые законы физики неизменными. Например, скорость рождения пар частиц на коллайдере не должна меняться в разное время суток. Если бы скорость менялась, это означало бы некоторую зависимость от вращения Земли и, следовательно, предпочтительное направление в пространстве-времени. «Мы показали, что, не зная никакой физики, модель может обнаружить симметрию Лоренца исключительно из данных», — сказал Ю.

Кранмер и Ю отмечают, что, хотя такие методы хорошо выявляют закономерности, осмысление этих закономерностей и выдвижение гипотез или физических принципов для их объяснения остаются для современных моделей искусственного интеллекта недостижимыми. Но Кранмер считает, что появление крупных языковых моделей, таких как ChatGPT, может изменить ситуацию. «Я думаю, что у языковых моделей огромный потенциал для автоматизации построения гипотез», — сказал он. «Это уже не за горами».

Штейнберг согласен, что, хотя ИИ ещё не разработал новые концепции, открытия в области физики с его помощью вполне могли бы стать реальностью. «Возможно, мы действительно перешагнули этот порог, и это очень воодушевляет», — сказал он.

Источник: www.quantamagazine.org