Em resumo
- A DeepMind usou redes neurais informadas por física para encontrar novas soluções para as equações de Navier-Stokes.
- A IA descobriu uma nova família de singularidades, mais tarde comprovada matematicamente correta.
- A inovação pode aumentar os modelos climáticos, a aerodinâmica e a precisão da previsão climática.
Durante séculos, a complexa matemática que descreve o movimento de líquidos e gases – desde o ar correndo sobre a asa de um avião até as correntes turbulentas do oceano – percorreu as mentes mais brilhantes do mundo. Esses princípios são governados por um conjunto notoriamente difícil de equações diferenciais parciais (ou PDEs), conhecidas como equações de Navier-Stokes, que continuam sendo um dos sete “Problemas do Prêmio do Milênio” não resolvidos em matemática.
Agora, os pesquisadores do AI Lab do Google, DeepMind, demonstraram uma nova abordagem que produz novas idéias.
Ao treinar um tipo de IA conhecida como rede neural gráfica em simulações complexas de fluido de fluido, o sistema conseguiu descobrir “novas soluções surpreendentes” para esses problemas centenários. A conquista “marca a primeira vez que um modelo de aprendizado de máquina foi usado para descobrir soluções novas e verificáveis para um famoso PDE”, de acordo com a equipe DeepMind.
Isso não é apenas uma questão de curiosidade acadêmica. Uma compreensão mais profunda da dinâmica fluida tem profundas implicações no mundo real, impactando tudo, desde aerodinâmica e previsão do tempo até a engenharia naval e a astrofísica, dizem os especialistas.
A capacidade de modelar e prever com mais precisão o comportamento fluido pode levar ao design de aeronaves e carros com mais eficiência de combustível, o desenvolvimento de modelos climáticos e climáticos mais precisos e novas inovações em vários campos científicos e industriais.
No centro do desafio estão os fenômenos conhecidos como “singularidades” ou “explosões”, situações teóricas em que quantidades como velocidade ou pressão podem se tornar infinitas. Embora aparentemente abstratos, esses cenários ajudam os cientistas a entender os limites fundamentais das equações. A IA DeepMind se mostrou hábil na identificação de padrões nos dados que levaram à descoberta de uma nova família dessas explosões matemáticas, disse o Google.
As descobertas da IA foram descritas como sendo “mais do que apenas uma curiosidade científica” e, desde então, “foram matematicamente comprovadas como corretas”. Se for verdade, marca um passo significativo em como a inteligência artificial pode ser aplicada à ciência fundamental. Em vez de simplesmente analisar números mais rápido que um supercomputador, a IA atuou como um parceiro criativo, identificando padrões sutis que guiaram matemáticos humanos a uma descoberta verificável.
O processo envolveu o treinamento da IA para identificar conexões e comportamentos em simulações de fluidos que podem ser perdidas pelos observadores humanos. De acordo com Yongji Wang, o primeiro autor do estudo e pesquisador de pós-doutorado da NYU “, incorporando idéias matemáticas e alcançando precisão extrema, transformamos PINNs (redes neurais informadas pela física) em uma ferramenta de descoberta que encontra singularidades indescritíveis”.
Essa abordagem colaborativa – onde a IA fornece informações e direção que são então rigorosamente comprovadas por especialistas em humanos – está sendo aclamado como um potencial novo paradigma para pesquisas científicas. Ele sugere um futuro em que os sistemas de IA trabalham ao lado dos cientistas para enfrentar desafios de longa data em matemática, física e engenharia que até agora estiveram fora de alcance.
Embora a solução completa para as equações de Navier-Stokes continue sendo um desafio monumental, esse avanço demonstra que a inteligência artificial pode ser uma ferramenta essencial para finalmente quebrá-la.
Debrie diário Boletim informativo
Comece todos os dias com as principais notícias agora, além de recursos originais, um podcast, vídeos e muito mais.
Fontedecrypt
