Un gruppo di ricercatori della Emory University di Atlanta ha dimostrato che un'intelligenza artificiale può andare ben oltre la semplice analisi dei dati. Hanno infatti addestrato una rete neurale non per prevedere risultati o ripulire informazioni, ma per scoprire da zero nuove leggi della fisica.
Il protagonista di questa ricerca è stato il cosiddetto "plasma polveroso", uno stato della materia affascinante e misterioso. Si tratta essenzialmente di un gas caldo e carico elettricamente, al cui interno fluttuano minuscole particelle di polvere. Questo stato della materia è sorprendentemente comune e si può trovare in luoghi molto diversi, dagli anelli di Saturno fino al fumo degli incendi sulla Terra.
Nonostante la sua diffusione, le forze esatte che agiscono tra le particelle al suo interno sono sempre state difficili da comprendere a fondo. La complessità deriva dal fatto che il sistema si comporta in modo "non-reciproco": la forza che una particella esercita su un'altra non è necessariamente uguale e contraria. Descrivere queste interazioni con gli strumenti della fisica tradizionale si è rivelato un compito estremamente arduo.
Per superare questo ostacolo, il team ha costruito un sofisticato sistema di imaging 3D per osservare i movimenti di particelle di polvere di plastica all'interno di una camera riempita di plasma. Utilizzando un laser e una telecamera ad alta velocità, hanno tracciato migliaia di traiettorie tridimensionali nel tempo, creando un set di dati piccolo ma incredibilmente ricco.
Questi dati sono stati poi forniti a una rete neurale progettata su misura. A differenza dei modelli di AI più comuni, che richiedono enormi quantità di dati per l'addestramento, questa è stata pensata per apprendere da un campione limitato, integrando fin da subito alcune regole fisiche fondamentali, come la gravità e le forze tra particelle.
L'AI ha scomposto il moto delle particelle in componenti distinte, riuscendo a identificare le complesse forze non-reciproche con una precisione superiore al 99%. Una delle scoperte più sorprendenti riguarda un'interazione asimmetrica che era stata teorizzata ma mai modellata con chiarezza: quando una particella ne precede un'altra, la attira a sé, ma la particella che segue, a sua volta, spinge via quella che la guida.
L'intelligenza artificiale non si è limitata a scoprire nuove dinamiche, ma ha anche corretto alcune ipotesi errate che per anni hanno plasmato la teoria del plasma. Per esempio, si presumeva che la carica elettrica di una particella aumentasse in modo direttamente proporzionale alla sua dimensione. L'AI ha invece dimostrato che non è così semplice: la relazione dipende anche dalla densità e dalla temperatura del plasma circostante. Un'altra idea sbagliata era che la forza tra le particelle diminuisse sempre in modo esponenziale con la distanza, indipendentemente dalla loro grandezza. La rete neurale ha svelato che anche questa diminuzione è influenzata dalla dimensione delle particelle, un dettaglio che era sempre sfuggito.
L'aspetto più incoraggiante di questo progetto è che l'intero modello è stato eseguito su un computer desktop, dimostrando che non sono necessarie risorse computazionali immense per ottenere risultati rivoluzionari. Il quadro teorico fornito dall'AI è universale e potrebbe ora essere applicato a un'ampia gamma di sistemi composti da molte particelle, dalle miscele di vernici fino alla migrazione cellulare negli organismi viventi, inaugurando un nuovo modo di fare scienza.
Samsung Galaxy Z Fold 7 bocciato da iFixit: pieghevoli difficili da riparare