NestyNet. IV. Laws Chosen by Nothing in Advance
NestyNet-DE es un marco novedoso que descubre ecuaciones diferenciales complejas y no lineales y sus simetrías geométricas subyacentes directamente a partir de datos sin depender de librerías fijas, recuperando con éxito leyes físicas fundamentales como la jerarquía de Kepler reducida y la ecuación de Schrödinger mediante una combinación de estrategias de búsqueda de librería dispersa y de factorización de operadores.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
La ciencia ha dependido durante mucho tiempo de una idea simple y poderosa: que el universo habla en el lenguaje de las matemáticas, y que si escuchamos con suficiente atención el movimiento de las cosas, podemos oír las reglas que las gobiernan. Durante siglos, los físicos han escrito estas reglas en forma de ecuaciones, describiendo cómo orbitan los planetas, cómo se dobla la luz y cómo interactúan las partículas. Pero encontrar estas ecuaciones directamente a partir de datos brutos, sin saber ya qué buscar, ha sido uno de los desafíos más difíciles de la informática moderna. La dificultad radica en que la naturaleza rara vez es simple. Los sistemas del mundo real suelen implicar muchas partes móviles que se influyen entre sí de formas complejas y no lineales, y los datos que recopilamos suelen ser ruidosos o incompletos. Los métodos informáticos tradicionales tienen dificultades en estos casos porque suelen requerir una lista predefinida de posibles ecuaciones para elegir entre ellas, o dependen de aproximaciones toscas de cómo cambian las cosas, lo que puede conducir a conclusiones erróneas.
Un nuevo enfoque, detallado en un estudio reciente de Rodrigo Ibata y sus colegas, ofrece una forma de eludir estas limitaciones. Los investigadores han desarrollado un sistema que puede escuchar el movimiento de los objetos y reconstruir las leyes matemáticas exactas que los impulsan, incluso cuando esas leyes son complejas, involucran múltiples campos o tratan con cantidades que tienen partes reales e imaginarias. La clave de su éxito es un método que trata los datos no como una lista estática de números, sino como una historia suave y continua. Al entrenar a una red neuronal para que actúe como una versión perfecta y libre de ruido de los datos observados, el sistema puede calcular exactamente qué tan rápido cambian las cosas en cualquier momento. Esta precisión le permite probar leyes potenciales con un nivel de exactitud que antes era imposible, separando las verdaderas reglas que gobiernan de las meras coincidencias matemáticas.
Los investigadores probaron su sistema, al que llaman NestyNet-DE, en una gran variedad de desafíos, que van desde simples péndulos oscilantes hasta las complejas ecuaciones que describen la luz y la electricidad. En un conjunto de pruebas, introdujeron en el sistema datos de treinta años de observaciones diarias de trescientos ocho asteroides que orbitan en el cinturón principal entre Marte y Júpiter. Estos asteroides no se mueven en un vacío perfecto y vacío; están siendo constantemente empujados por la gravedad de otros planetas, creando un registro desordenado y desgastado de sus trayectorias. La mayoría de los modelos informáticos tendrían dificultades para encontrar el orden subyacente en un conjunto de datos tan caótico. Sin embargo, el nuevo sistema logró eliminar el ruido y recuperar la jerarquía fundamental de las leyes de Kepler. Identificó la regla de que un planeta barre áreas iguales en tiempos iguales, descubrió la ley de la gravedad de la inversa del cuadrado que atrae a los asteroides hacia el sol, e incluso reconstruyó la ecuación de energía que gobierna su movimiento. Sorprendentemente, el sistema no solo ajustó números a una curva; dedujo una simetría geométrica específica en los datos que obligó al término centrífugo de la ecuación a tomar un valor preciso, en lugar de simplemente adivinarlo.
El estudio también demostró que el sistema podía manejar ecuaciones que describen el mundo cuántico, donde las cantidades son números complejos, y las ecuaciones para el electromagnetismo, que involucran campos vectoriales como las fuerzas eléctricas y magnéticas. En estos casos, el sistema tenía que encontrar leyes que estaban acopladas entre sí, lo que significa que el comportamiento de un campo dictaba directamente el comportamiento de otro. Los investigadores mostraron que su método podía recuperar las famosas ecuaciones de Maxwell, que describen cómo se propagan la luz y la electricidad, incluso cuando los datos eran ruidosos y las ecuaciones potenciales incluían muchos términos "señuelo" plausibles pero incorrectos. El sistema identificó correctamente los términos verdaderos y rechazó a los impostores, una hazaña que los métodos anteriores no lograron alcanzar con niveles similares de ruido.
Lo que hace que este trabajo sea particularmente significativo es que no depende de un diccionario fijo de posibles ecuaciones. En su lugar, puede inventar nuevas formas estructurales si los datos lo demandan, buscando directamente sobre la arquitectura de las leyes en lugar de simplemente elegir de un menú preescrito. También va más allá de simplemente encontrar la ecuación; puede descubrir las simetrías ocultas dentro de esa ecuación, como la simetría de rotación que explica por qué se conserva el momento angular. Al encontrar estas simetrías directamente de los datos, el sistema puede integrar las leyes para encontrar soluciones de forma cerrada y explicar por qué el universo se comporta de la manera en que lo hace. Los investigadores han puesto su código y sus datos a disposición del público, permitiendo que otros verifiquen estos resultados y apliquen el método a sus propias preguntas científicas. Esto representa un cambio de simplemente ajustar datos a comprender la lógica profunda y estructural del mundo físico, ofreciendo una herramienta que puede ayudar a los científicos a descubrir leyes que nadie había anticipado.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.