ИИ начал придумывать физические эксперименты, до которых не додумались бы люди

Экспериментальная физика строится на проверке теоретических догадок с помощью реальных приборов. Чтобы доказать существование частицы, зафиксировать слабое излучение или обнаружить новое свойство материи, исследователи собирают лабораторные установки. Веками эта работа опиралась исключительно на знания, опыт и догадки самих ученых. Физик представлял, как должны вести себя частицы или световые волны, и вручную расставлял приборы на рабочем столе.

Однако усложнение задач привело науку к ситуации, когда возможностей человеческого мышления стало недостаточно. В квантовой механике, оптике высоких энергий и физике плазмы число вариантов сборки одного прибора исчисляется миллионами. Человек физически не способен просчитать все возможные комбинации деталей и предсказать поведение сложной системы.

В журнале Nature вышла программная статья международной группы физиков, посвященная автоматизации научного поиска. Ученые доказали: алгоритмы оптимизации могут самостоятельно создавать схемы физических опытов. Компьютер находит такие конфигурации оборудования, которые работают точнее, стабильнее и эффективнее установок, спроектированных людьми.

Трудности ручной сборки оборудования

Типичная работа в оптической лаборатории выглядит следующим образом.

На специальном виброизолирующем столе исследователь размещает различные оптические приборы:

• лазерные излучатели с разной длиной волны;
• полупрозрачные и обычные зеркала;
• поляризационные фильтры, меняющие направление световых волн;
• кристаллы, разделяющие один световой луч на два взаимосвязанных потока;
• высокочувствительные детекторы одиночных частиц света.

Каждый из этих элементов обладает четкими математическими характеристиками. Когда луч света проходит через кристалл, меняется его фаза и поляризация. Когда он падает на полупрозрачное зеркало, часть фотонов проходит насквозь, а часть отражается.

Если в установке используется всего три или четыре элемента, человек легко рассчитывает путь излучения на бумаге. Но когда число деталей доходит до десяти, двадцати или тридцати, ситуация резко меняется. Каждый новый компонент умножает число возможных путей, по которым может пройти свет.

Возникает комбинаторный тупик. На столе лежит набор приборов. Их можно расставить миллионами разных способов: менять расстояния между линзами, поворачивать зеркала на доли градуса, добавлять фильтры в разные участки цепи. При этом физика процесса нелинейна: небольшое смещение одного зеркала меняет работу всей дальнейшей цепочки.

В таких условиях ученый выбирает схему, опираясь на стандартные шаблоны из учебников и личный опыт. Это приводит к тому, что исследователи годами используют похожие конструкции, упуская нестандартные инженерные решения, которые могли бы дать гораздо более точный результат.

Первый успех: опыт Марио Кренна

Прорыв в автоматизации проектирования начался с частной практической проблемы. Марио Кренн, который сейчас занимает должность профессора в Тюбингенском университете в Германии, во время учебы в Вене пытался построить квантовый эксперимент. Его цель заключалась в создании фотонов со сложными характеристиками связности.

Исследовательская группа знала, какой результат должен появиться на детекторах. Были известны уравнения, описывающие желаемое квантовое состояние света. Однако никто в лаборатории не мог понять, в каком порядке нужно расставить кристаллы и зеркала, чтобы получить эти расчетные значения. Попытки ручного подбора схем продолжались неделями и не приносили результата.

Тогда Кренн решил формализовать задачу для компьютера. Он выполнил три действия:

1. Записал математические свойства каждого прибора, который лежал в лаборатории. Каждая линза, призма и детектор превратились в набор числовых правил, показывающих, как именно этот прибор меняет проходящий через него свет.
2. Сформулировал математический критерий успеха. Алгоритм получил формулу того состояния фотонов, которое требовалось зафиксировать в конце пути.
3. Написал программу, которая начала перебирать различные соединения этих компонентов в виртуальной среде.

На написание первого базового кода ушло несколько часов. Кренн запустил программу на ночь на обычном компьютере. Утром алгоритм выдал файл со схемой, состоявшей из шестнадцати оптических элементов.

Схема выглядела странно: элементы стояли асимметрично, а лучи проходили через систему сложным путем с многократными перекрещиваниями. Ни один человек в лаборатории не предложил бы такую конфигурацию. Однако когда физики собрали приборы по указаниям программы, установка заработала с первого раза. Приборы зафиксировали именно то квантовое состояние, которого исследователи безуспешно добивались вручную.

Принципиальная разница между поисковыми алгоритмами и языковыми моделями

Когда сегодня говорят об искусственном интеллекте, большинство людей представляет текстовые чат-боты. Однако в проектировании физических экспериментов используется совершенно другой класс программного обеспечения.

Языковые модели обучаются на огромных текстах из интернета. Их цель — угадать, какое слово вероятнее всего должно идти следующим. В них заложен вероятностный принцип. Для физики этот метод непригоден: чат-бот может составить внешне убедительное описание установки, но приборы, собранные по его совету, не будут работать, потому что модель не понимает уравнений сохранения энергии и движения волн.

В научных лабораториях применяют алгоритмы направленного математического поиска и численной оптимизации. Их работа строится на других принципах:

• Детерминизм. Программа не угадывает факты, а проводит точные математические расчеты. Если свет падает на стекло под углом сорок пять градусов, алгоритм вычисляет точную траекторию преломления по законам оптики.
• Физический симулятор внутри программы. Алгоритм оптимизации работает в связке с математической моделью физической среды. Компьютер создает цифровую копию лабораторного стола.
• Четкая целевая функция. Программа всегда знает конкретное численное значение, к которому стремится. Это может быть максимальная яркость луча, минимальный уровень оптического шума или конкретная форма электрического импульса.
• Методы отсечения. Программа не проверяет абсолютно все существующие варианты подряд — на это не хватило бы мощности компьютеров. Она делает шаг, оценивает, приблизилась ли схема к нужным параметрам, и отбрасывает заведомо бесполезные конфигурации.

Таким образом, программа работает как строгий математический вычислитель, проверяющий гипотезы внутри виртуального физического пространства.

Где машинное проектирование уже дает результаты

Метод вышел далеко за рамки студенческих оптических опытов. Сегодня алгоритмы применяют в нескольких масштабных направлениях современной науки.

1. Электронная микроскопия

Обычные световые микроскопы не могут показать отдельные атомы из-за ограничений, связанных с длиной световой волны. Поэтому ученые используют электронные микроскопы, где вместо света применяется пучок электронов.

Филипп Хаслингер, возглавляющий Центр электронной микроскопии в Венском техническом университете, внедряет квантовые эффекты в работу таких приборов. Главная проблема электронной микроскопии заключается в том, что высокоэнергетический пучок электронов разрушает деликатные биологические образцы, например белковые молекулы или живые клетки. Чтобы снизить мощность пучка и сохранить четкость картинки, нужно использовать сложные квантовые состояния частиц.

Человеческой практики в этой области практически нет. Физики не знают на опыте, как электромагнитные линзы должны направлять электроны для достижения такого эффекта. Алгоритм оптимизации рассчитал геометрию электронного микроскопа, которая снизила лучевую нагрузку на объект и позволила получать четкие снимки без разрушения органических молекул.

2. Детекторы гравитационных волн

Гравитационные волны — это колебания пространства, возникающие при столкновении черных дыр или нейтронных звезд. Чтобы зафиксировать такую волну, лазерный луч должен пройти несколько километров по вакуумной трубе, отразиться от зеркал и вернуться в детектор. Смещение зеркала при прохождении волны измеряется величинами, которые в тысячи раз меньше диаметра атомного ядра.

На таких масштабах приборам мешает всё: тепловое движение молекул в зеркалах, квантовые колебания самого лазерного луча, микроскопические сейсмические толчки земной коры. Алгоритмы оптимизации рассчитывают конфигурации вспомогательных оптических фильтров и систем подвеса зеркал, снижая уровень аппаратных шумов до минимально возможных пределов.

3. Удержание высокотемпературной плазмы

В установках типа токамак или стелларатор водородная плазма разогревается до сотен миллионов градусов. Удерживать это вещество можно только сильными магнитными полями сложной геометрии. Если поле хоть в одном месте потеряет нужную конфигурацию, плазма вырвется наружу, остынет и повредит стенки реактора.

Расчет формы магнитных катушек требует решения сложнейших уравнений магнитной гидродинамики. Компьютерные алгоритмы перебирают варианты пространственного изгиба проводников, создавая формы магнитов, которые удерживают плазму в стабильном состоянии дольше, чем это удавалось при использовании стандартных магнитных систем.

Проблема интерпретации машинных решений

Широкое внедрение алгоритмического проектирования привело к необычной проблеме в научной методологии: физики получают установки, эффективность которых доказана на практике, но не могут быстро понять, на каких принципах они работают.

Когда человек разрабатывает прибор, он действует логически: сначала идет блок подготовки сигнала, затем блок разделения, затем блок регистрации. Машинный алгоритм лишен этих шаблонных представлений. Он компонует детали исключительно на основе числовой эффективности.

В результате компьютерные схемы часто используют физические явления, которые люди считали помехами:

• слабое паразитное отражение света от задних поверхностей линз;
• микроскопические фазовые задержки на краях зеркал;
• нестандартные углы падения лучей, при которых возникают сложные волновые наложения.

Программа объединяет эти мелкие эффекты в одну работающую систему. В лаборатории схема показывает высокую точность. Однако после сборки и проверки установки ученым приходится тратить месяцы на то, чтобы провести обратные расчеты и перевести полученную машиной конфигурацию на понятный научный язык. Ученые видят, что установка работает, но им требуется дополнительное время, чтобы объяснить коллегам конкретные физические механизмы ее работы.

Идея универсального физического симулятора

Марио Кренн и его коллеги отмечают, что текущие результаты — это переходный этап. Конечная цель исследовательской работы — создание универсального симулятора физических процессов.

Сейчас программы пишутся под конкретные узкие задачи: одна рассчитывает оптический интерферометр, другая — магнитную катушку, третья — траектории электронов в вакууме. Универсальный симулятор должен объединить базовые уравнения всех разделов физики в рамках единой вычислительной среды.

Если такая среда будет создана, работа экспериментатора изменится следующим образом:

1. Физик вводит в программу фундаментальные уравнения теории, которую хочет проверить.
2. Программа анализирует, какие физические величины могут подтвердить или опровергнуть эти уравнения.
3. Алгоритм самостоятельно формирует список оборудования, рассчитывает схему его размещения и выводит на экран чертеж готовой экспериментальной установки.

Это позволит ученым отказаться от многолетней практики проб и ошибок при конструировании нестандартных приборов.

Как меняется роль исследователя

Делегирование рутинных проектных задач компьютеру не означает, что физики перестанут быть нужны науке. Происходит перераспределение обязанностей между человеком и машиной.

Исторически наука уже проходила через подобные этапы. До середины двадцатого века ученые проводили сложные математические расчеты вручную, заполняя страницы цифрами и таблицами. Появление электронных калькуляторов и мощных ЭВМ освободило людей от механического счета, позволив сосредоточиться на анализе данных и формулировании теорий.

В экспериментальной работе сейчас происходит аналогичный процесс. Алгоритм отлично решает задачу перебора и компоновки деталей, но он не может действовать без участия человека по трем причинам:

• Постановка задачи. Компьютер не знает, что именно нужно изучать. Цель исследования — например, поиск нарушения симметрии или проверка квантовой теории гравитации — всегда формулирует человек.
• Определение ограничений. Программа способна выдать схему, требующую лазера нереальной мощности или зеркал размером в десятки метров. Ученый обязан жестко зафиксировать рамки: бюджет проекта, размеры помещения, термостойкость материалов, доступные типы датчиков.
• Интерпретация результатов. Получение численных данных с детекторов — не финал работы. Данные необходимо сопоставить с существующими научными теориями, понять их значение для фундаментальной картины мира и решить, куда двигаться дальше.

Физика переходит на новый уровень организации труда. Исследователь перестает быть механиком, который вручную подгоняет детали на рабочем столе. Его главной обязанностью становится точная формулировка научных вопросов и оценка ответов, которые природа дает через установки, рассчитанные компьютером.

Источник: Nature