來自 Archetype AI 的研究人員開發了一種名爲“牛頓 AI 模型”的人工智能基礎模型,該模型僅通過分析傳感器數據,就能準確地預測各種物理現象,甚至包括那些在訓練過程中從未接觸過的現象。這項突破性研究成果或將徹底改變物理研究的方式,爲科學發現開啓新的篇章。

傳統上,爲物理現象構建 AI 模型需要將大量的物理定律和專業知識作爲先驗信息輸入模型,這使得模型的應用範圍受到限制,難以泛化到其他領域。而“牛頓 AI 模型”則採用了全新的“唯象學”方法,完全不依賴任何物理定律或先驗知識,而是通過分析海量的傳感器數據來自行學習和理解物理世界的運行規律。

image.png

研究人員使用來自41個公開數據集的5.9億個傳感器數據樣本對模型進行了訓練,涵蓋了電流、流體流動、光學等多種物理現象。經過訓練的“牛頓 AI 模型”能夠對各種物理行爲進行編碼和預測,包括機械運動、熱力學等,甚至可以預測城市規模的氣象變化等複雜的非解析性物理過程。

爲了驗證模型的泛化能力,研究人員進行了一系列實驗,包括使用彈簧質量系統模擬機械振盪,以及利用溫差發電裝置模擬熱力學現象。實驗結果表明,“牛頓 AI 模型”能夠準確地預測這些物理系統的未來行爲,其預測精度甚至超過了專門針對特定物理系統訓練的模型。

image.png

“牛頓 AI 模型”的出現爲物理研究帶來了新的可能性。它可以幫助科學家們更快、更準確地分析實驗數據,發現新的物理規律,甚至可以用於預測和控制複雜的物理系統。此外,該模型還具有“零樣本推理”能力,這意味着它可以對從未接觸過的物理現象進行預測,這爲科學發現開闢了新的領域。

研究人員表示,“牛頓 AI 模型”只是一個開始,未來他們將進一步擴展模型的訓練數據集,並探索其在其他領域的應用。這項研究成果爲構建統一的 AI 基礎模型,以理解和預測各種物理世界過程帶來了希望。

論文:https://cdn.prod.website-files.com/669fb9b0365257a2d64b9744/671062d53917e78989931495_Phenomenological%20AI%20Foundation%20Model%202024.pdf