尽管ai系统已取得长足进步,但它们仍然无法应对混沌或不可预测性。现在,研究人员想教授ai物理学以解决此类问题。
更具体地说,教ai哈密顿函数——这一数学概念能提供有关整个动态系统的信息:动力学关系,动能和势能等。
神经网络旨在将人脑的粗略模拟升级为复杂的、经过加权的ai算法,然后对正在发生的事情有“更深刻的了解”,为ai解决越来越难的问题提供可能性。
北卡罗来纳州立大学的物理学家约翰·林德纳说:“哈密顿量确实是一种特殊的调味料,它使神经网络能够学习秩序和混乱。有了哈密顿算子,神经网络以一种传统网络无法理解的方式来理解潜在的动力学。这是迈向物理学的神经网络的第一步,可以帮助我们解决难题。”
研究人员用汉密尔顿函数教导ai分析弹性振子——前者向ai提供有关摆动速度及路径的信息,而不仅仅是向ai显示某个时刻振子的位置。
新研究发现,如果神经网络能够理解哈密顿流,那么它们就能更好地认知混沌。
不仅如此,物理学还可以提高它们的效率:无需大量额外的神经节点,就能够更好地预测动态的,本不可预测的对象。它有助于ai快速更全面地了解世界的实际运行方式。
为了测试新改进的ai神经网络,研究人员将其与通常被称为hénon-heiles的基准模型进行了比较,该模型最初用于模拟行星在太阳周围的运动。
哈密顿神经网络成功通过了测试,正确预测了系统在有序和混沌状态下的动力学发展。
改进后的ai可用于领域从医学诊断到飞机自动驾驶。相对而言,该技术才刚刚起步,还有巨大的提升空间。
研究人员写道:“如果混沌是非线性的‘超级力量’,从而使确定性动力学几乎无法应用,那么哈密顿量就是神经网络的‘秘密调料’,它是一种特殊的成分,可以使ai学习和预测有序和混沌现象。”
中国VR硬件品牌打入日本线下市场
电瓶修复——锂离子电池的正负极详解
Waste Connections计划将系统部署在众多材料回收设施的容器,纤维和残留物生产线上
小米6骁龙835处理器6GB运存,华为荣耀9拿什么来拼?
泰科电子推出DDR3双列直插式內存模组(DIMM)插槽
无法理解混沌,研究人员教AI学习物理
让任正非陷入“迷茫”的,不只是华为……
工厂消防应急和疏散指示系统解决方案
日本电产驱动电机系统“E-Axle”旗舰工厂在中国浙江省平湖市的拟建项目签约仪式顺利举行
贸泽与SamacSys签订合作协议 为工程师提供免费设计资源
集成电路EDA创新生态发展高峰论坛上芯和半导体发表主题演讲
WebAssembly技术_编译ffmpeg(ubuntu20.04)
Model X车主称自动巡航失灵导致车祸 特斯拉:不背这锅
无线通信 第一章 无线通信基础(下)
估算单向电机启动电容
依顿电子发布2018年半年报,实现营业收入15.09亿元
科学家研发用于无细胞合成生物学的电子化学平台
JTAG简介 JTAG和SWD之间的区别
戴尔XPS13超极本拆解 超窄轻薄机身是如何炼成的
富士康工业互联网明日登A股 郭台铭资产捐赠90%个人财富