Os físicos usaram uma abordagem de aprendizado de máquina para revelar detalhes inesperados sobre como as partículas interagem em sistemas complexos. Seu trabalho concentra-se em forças não recíprocas, onde uma partícula afeta outra de maneira diferente do que afeta outra.
Resultados, publicados PNASVindo de uma colaboração entre físicos experimentais e teóricos da Emory University. Ao combinar uma rede neural personalizada com dados laboratoriais de plasma de poeira, a equipe mostrou que a inteligência artificial pode fazer mais do que analisar dados ou fazer previsões. Pode ajudar a descobrir leis físicas totalmente novas.
“Mostramos que podemos usar a IA para descobrir nova física”, disse Justin Barton, professor de física experimental da Emory e coautor sênior do artigo. “Nossa abordagem de IA não é uma caixa preta: entendemos como e por que funciona. A estrutura que ela fornece também é universal. Pode ser potencialmente aplicada a outros sistemas de muitos corpos para abrir novas rotas de descoberta.”
Informações de alta precisão sobre forças de plasma empoeiradas
O estudo oferece uma das descrições mais detalhadas até hoje da física que rege os plasmas empoeirados. Este sistema consiste em gás ionizado cheio de partículas carregadas interagindo com minúsculos grãos de poeira.
Usando seu modelo de IA, os pesquisadores conseguiram descrever forças não recíprocas com mais de 99% de precisão. Estas forças são notoriamente difíceis de medir e modelar.
“Podemos descrever essas forças com mais de 99% de precisão”, disse Ilya Nemenman, professor de física teórica da Emory e co-autor sênior do artigo. “O que é ainda mais interessante é que mostramos que alguns dos pressupostos teóricos comuns sobre estas forças não estão certos. Somos capazes de corrigir estes erros porque agora podemos ver o que está a acontecer com tantos detalhes.”
A equipe acredita que esta abordagem pode ser amplamente aplicada a sistemas compostos por muitos componentes interativos. Eles variam de materiais industriais, como tintas e tintas, a grupos de células vivas.
O primeiro autor do estudo é Wentao Yu, que trabalhou no projeto como estudante de doutorado em Emory e agora é pós-doutorado no Instituto de Tecnologia da Califórnia. O coautor Eslam Abdelaleem também contribuiu como estudante de pós-graduação da Emory e agora é pós-doutorado na Georgia Tech.
A pesquisa foi inicialmente apoiada pela National Science Foundation, com financiamento adicional da Simmons Foundation.
“Este projeto serve como um excelente exemplo de colaboração interdisciplinar onde o desenvolvimento de novos conhecimentos em física de plasma e IA pode levar a novos avanços no estudo de sistemas vivos”, disse Bacheslav (Slava) Lukin, diretor do Programa de Física de Plasma da NSF. “A dinâmica desses sistemas complexos é influenciada por interações coletivas que as técnicas emergentes de IA podem nos ajudar a melhor descrever, reconhecer, compreender e até mesmo controlar.”
O quarto estado da matéria é explicado
O plasma é frequentemente chamado de quarto estado da matéria. Nesta condição, o gás torna-se ionizado, o que significa que elétrons e íons se movem livremente e criam propriedades únicas, como a condutividade elétrica. O plasma representa cerca de 99,9% do universo visível, desde o vento solar que flui do Sol até os relâmpagos na Terra.
Os plasmas empoeirados incluem partículas de poeira altamente carregadas e estão presentes em muitos ambientes, desde os anéis de Saturno até a ionosfera da Terra.
Na Lua, a fraca gravidade permite que a poeira carregada flutue acima da superfície. “É por isso que quando os astronautas andam na Lua, os seus fatos ficam cobertos de poeira”, explica Burton.
Na Terra, o plasma de poeira pode se formar durante incêndios florestais, quando a fuligem se mistura com a fumaça. Estas partículas carregadas podem perturbar os sinais de rádio, tornando a comunicação mais difícil para os bombeiros.
Rastreamento de movimento de partículas em 3D
O laboratório de Burton estuda plasma em pó e materiais semelhantes, recriando-os em experimentos controlados. Os pesquisadores suspenderam minúsculas partículas de plástico em uma câmara de vácuo cheia de plasma para simular sistemas mais complexos. Ao ajustar a pressão do gás, eles podem simular condições do mundo real e observar como as partículas respondem a diferentes forças.
Para este projeto, Barton e Yu desenvolveram um método de imagem tomográfica para capturar o movimento tridimensional (3D) das partículas. Uma folha de laser se move pela câmara enquanto uma câmera de alta velocidade grava as imagens. Esses instantâneos são combinados para reconstruir as posições de dezenas de partículas ao longo do tempo, permitindo aos pesquisadores rastrear detalhadamente seus movimentos.
Usando IA para entender o movimento articular
Nemenman, um biofísico teórico, estuda como sistemas complexos emergem de interações simples. Ele está particularmente interessado no movimento coletivo, como a forma como as células se movem dentro do corpo humano.
“As questões simples de como todo um sistema emerge da interação de pequenas partes são muito importantes”, explica Nemenman. “No câncer, por exemplo, você quer entender como as células interagem com algumas delas que se separam do tumor e se deslocam para um novo local para se tornarem metastáticas”.
Comparados aos sistemas vivos, os plasmas de poeira fornecem um ambiente mais fácil para testar novas ideias. Isto torna-o um caso ideal para explorar se a IA pode descobrir novos princípios físicos.
“Apesar de toda a conversa sobre como a IA está a revolucionar a ciência, há muito poucos exemplos em que algo fundamentalmente novo tenha sido descoberto diretamente por um sistema de IA”, disse Nemenman.
Projetando uma rede neural para descoberta
A criação de modelos de IA requer um planejamento cuidadoso. Ao contrário dos sistemas treinados em grandes conjuntos de dados, os dados experimentais para este projeto foram limitados.
“Quando você está explorando algo novo, você não tem muitos dados para treinar a IA”, explica Nemenman. “Isso significa que precisamos projetar uma rede neural que possa ser treinada com uma pequena quantidade de dados e ainda assim aprender algo novo”.
A equipe passou mais de um ano refinando o design por meio de reuniões semanais.
“Precisamos estruturar a rede para seguir as regras necessárias e ao mesmo tempo permitir a exploração e inferência de física desconhecida”, explica Burton.
“Levamos mais de um ano de idas e vindas nessas reuniões semanais”, acrescentou Nemenman. “Depois que criamos a estrutura correta da rede para treinar, ficou bastante fácil.”
O modelo final divide o movimento das partículas em três efeitos principais: arrasto causado pela velocidade, forças ambientais como a gravidade e forças entre as partículas.
Resultados surpreendentes e novos insights
Após o treinamento em trajetórias de partículas 3D, a IA capturou com sucesso interações complexas, incluindo forças assimétricas entre partículas.
Os pesquisadores compararam esse comportamento com o de dois barcos atravessando um lago. Cada barco cria ondas que afetam o outro. Dependendo da sua localização, estas ondas podem empurrar ou puxar os barcos de forma diferente.
“Em um plasma de poeira, descrevemos como uma partícula líder atrai uma partícula que está atrás, mas a partícula que está atrás sempre repele a que está atrás”, explica Nemenman. “Este fenômeno era esperado por alguns, mas agora temos uma hipótese precisa que não existia antes”.
Os resultados também desafiam teorias anteriores. Uma ideia de longa data propunha que a carga elétrica de uma partícula aumentasse em proporção direta ao seu tamanho. As novas descobertas mostram que, embora partículas maiores carreguem mais carga, a relação é mais complexa e depende de fatores como densidade e temperatura do plasma.
Outra hipótese era que a força entre as partículas diminui com a distância de uma maneira que não depende do tamanho das partículas. O modelo de IA revelou que o tamanho das partículas afeta a rapidez com que essas forças enfraquecem.
A equipe confirmou essas conclusões com testes adicionais.
Uma nova ferramenta para explorar sistemas complexos
Os pesquisadores desenvolveram uma rede neural baseada na física que pode ser executada em um computador desktop padrão. Eles acreditam que fornece uma estrutura flexível para o estudo de sistemas de muitos corpos em diversos campos.
Nemenman em breve lecionará na Escola de Comportamento Coletivo de Konstanz, na Alemanha, onde os cientistas estudam sistemas que vão desde bandos de pássaros até multidões de pessoas.
“Ensinarei estudantes de todo o mundo a usar a IA para inferir a física do movimento coletivo – não num plasma de poeira, mas num sistema vivo”, diz ele.
Mesmo com estes avanços, as competências humanas são essenciais. Os cientistas devem projetar modelos cuidadosamente e interpretar os resultados.
“É necessário pensamento crítico para desenvolver e usar ferramentas de IA de forma a gerar progresso real na ciência, na tecnologia e nas humanidades”, diz Burton.
Ele está otimista em relação ao futuro.
“Penso nisso como o espírito de Star Trek, indo corajosamente aonde ninguém esteve antes”, diz Burton. “Usada corretamente, a IA pode abrir a porta para um novo domínio de exploração.”
