天文学家花了几个世纪才弄明白。然而现在，受大脑启发的机器学习算法得出结论，它应该根据太阳和火星的运动从地球上如何出现，将太阳置于太阳系的中心。这一壮举是这项技术的首次测试。研究人员希望通过发现大数据集中的模式，发现新的物理规律，重新表述量子力学。结果将发表在《物理评论快报》1上。

瑞士苏黎世联邦理工学院(ETH)的物理学家雷纳托伦纳(Renato Renner)和他的合作者希望设计一种算法，可以将大型数据集提炼为几个基本公式，从而模仿物理学家提出E=mc等简洁方程的方式。2。因此，研究人员必须设计一种新型的神经网络，这是一种受大脑结构启发的机器学习系统。

传统的神经网络通过训练庞大的数据集来学习识别物体，如图像或声音。他们发现了一般的特征——例如，“四条腿”和“尖耳朵”可以用来识别猫。然后，他们将这些特征编码在数学“节点”(神经元的人工等价物)中。然而，神经网络不是像物理学家那样将这些信息提炼为几个易于解释的规则，而是一个黑匣子，它以一种不可预测、难以解释的方式将其获得的知识分布在成千上万个节点上。

因此，Renner的团队设计了一个“集成”的神经网络：两个子网仅通过几个链接相互连接。第一个子网络将像典型的神经网络一样从数据中学习，第二个子网络将利用这种“经验”来进行和测试新的预测。由于连接双方的链路很少，第一个网络被迫以压缩格式向另一方传输信息。伦纳将其比作咨询师如何将自己的知识传授给学生。

行星定位

第一批测试之一是向网络提供火星和太阳在空气运动中的模拟数据。从这个角度来看，火星的太阳轨道似乎是不稳定的，例如，它会周期性地“逆行”，从而逆转方向。几个世纪以来，天文学家一直认为地球是宇宙的中心，并通过提出行星在天球中以称为行星轮的小圆圈运动来解释火星的运动。但是在16世纪，尼古拉斯哥白尼发现如果地球和其他行星围绕太阳运行，一个更简单的公式系统可以用来预测运动。

加拿大多伦多大学物理学家马里奥克伦(Mario Krenn)表示，研究团队的神经网络提出了火星轨迹的哥白尼公式，重新发现了“科学史上最重要的范式转变之一”。科学发现的智慧。

伦纳强调，虽然算法可以推导出公式，但仍然需要用肉眼解释方程，了解它们与行星围绕太阳运动的关系。

纽约哥伦比亚大学的机器人专家霍尔德利普森(Holder lipson)表示，这项工作非常重要，因为它可以选择描述物理系统的关键参数。他说，“我认为这些技术是我们理解和跟上物理学中不断增加甚至更加复杂的现象的唯一希望。”

伦纳和他的团队希望开发机器学习技术，帮助物理学家解决量子力学中的明显矛盾。这个理论似乎对实验结果和遵循其规律的观察者的观察方式产生了矛盾的预测。

伦纳说，“量子力学目前的表述在某种程度上可能只是历史的人工制品。”他补充说，计算机可以得出一个没有这种矛盾的说法，但团队的最新技术还不够完善。为了实现这个目标，他和他的合作者正在试图开发一个版本的他们的神经网络，它不仅可以从实验数据中学习，还可以提出一个全新的实验来测试其假设。