科学摘要

标签： 物理定律

  • 杜克大学新AI框架揭示复杂系统底层规律

    来源：《npj·复杂性》

    杜克大学研究团队开发了一种新型人工智能框架，能够像科学家推导物理定律一样，从复杂系统的时序数据中发现简单、可解释的规则。该框架基于库普曼理论，利用深度学习与物理约束，从数百甚至数千个变量中提取出少数核心隐藏变量，从而构建出紧凑的线性模型，既能准确预测系统长期行为，又能识别系统趋于稳定的状态。该方法已成功应用于气候模型、电路及神经活动等多个领域，有望成为连接AI与人类科学发现的桥梁。

  • AI首次自主发现新物理定律，修正等离子体理论认知

    来源：《美国国家科学院院刊》（PNAS）

    美国埃默里大学团队利用AI破解了尘埃等离子体（如土星环、野火烟雾中的物质状态）中粒子相互作用的非互易力机制。研究人员通过3D成像系统记录粒子运动轨迹，训练内置物理规则的神经网络，最终以99%的精度揭示了”前导粒子吸引追随者，但追随者排斥前导粒子”的非对称作用力，并修正了”粒子电荷与尺寸正比””作用力随距离均匀衰减”等传统理论错误。该研究证明AI能以少量数据发现基础物理规律，相关框架可拓展至生物细胞、工业材料等多粒子系统研究。

  • 韩研究团队突破材料研发瓶颈，物理信息机器学习实现小数据精准预测

    来源： 《应用力学与工程中的计算机方法》

    研究团队提出物理信息机器学习新方法，将物理定律直接嵌入AI学习过程，成功解决了新材料研发中数据稀缺的瓶颈。该技术仅需单次实验的有限数据，即可准确推断超弹性材料的变形特性，或热电材料的热导率与塞贝克系数。更突破性的是，经20种材料训练的物理信息神经算子模型，能直接泛化至60种未知材料并保持高精度预测，为大规模、高通量材料筛选提供了全新解决方案，将显著加速多领域工程材料的开发与验证效率。