Исследование, проведенное физиками из университета Сапиенца в Риме, привело к решению математической задачи, над которой ученые безуспешно работали десять лет. Ключевую роль в этом сыграла большая языковая модель Claude, рассказывает Physics World. Результат важен не только для фундаментальной физики, но и как свидетельство того, что искусственный интеллект начинает менять методы научной работы.
Что такое джемминг и почему он важен для физики
Задача, над которой работали исследователи, относится к теории сложных систем и описывает явление джемминга — резкий переход, при котором текучая среда становится жесткой, но сохраняет неупорядоченную структуру. Для наглядности можно представить коробку с плавающими в невесомости сферами: при малом количестве они движутся свободно, подобно газу, но по мере роста плотности наступает момент, когда каждая сфера оказывается заблокированной соседями и вся система застывает. Если сферы сжимаются медленно, они могут образовать регулярную кристаллическую решетку. При быстром сжатии такая решетка не успевает сформироваться, и вместо этого возникает беспорядочная упаковка.
В более абстрактном смысле джемминг представляет собой задачу выполнения ограничений, где координаты сфер выступают переменными, а правило непересечения — ограничением. С ростом числа переменных одновременно удовлетворить все условия становится все труднее. Это математическое отображение позволяет применять концепции джемминга в нейронауке и машинном обучении. В искусственных нейросетях веса связей выступают как переменные, а обучающие данные — как ограничения. В жидкой фазе сеть легко подстраивается и работает безошибочно. При избытке данных она переходит в твердую фазу и начинает допускать ошибки.
Доказательство обнаружил ИИ
В 2014 году ученые из Сапиенцы обнаружили удивительную численную закономерность: два параметра, связанные с распределением контактных сил и зазоров между сферами в точке джемминга, всегда давали в сумме единицу. Однако строгого математического доказательства этого факта получить не удавалось. Именно тогда исследователи решили обратиться к возможностям генеративного ИИ, выбрав Claude благодаря его продвинутым способностям к математическим рассуждениям и программированию.
Работа с моделью началась не с запроса доказательства, а с поручения воспроизвести старые численные расчеты, чтобы убедиться в корректности понимания задачи. После успешного воспроизведения последовал вопрос о причине равенства суммы параметров единице. Модель предложила верный концептуальный путь, хотя и содержавший мелкие ошибки, потребовавшие уточнений. Главное, что новая интуиция принадлежала именно алгоритму, тогда как люди годами искали сложное решение, не замечая более простого подхода.
Доказательство объединило абстрактную теорию исследователей с более конкретным формализмом, разработанным в другой лаборатории. Это показало, что оба подхода ведут к одним законам. Авторы также опубликовали полную запись диалога с ИИ вместе со статьей, чтобы обеспечить прозрачность использования таких инструментов.
Исследователи считают, что генеративный ИИ по значимости может сравниться с промышленной революцией, ускоряя проверку идей и облегчая междисциплинарную работу. Однако модели могут порождать некачественные псевдонаучные публикации, перегружая систему рецензирования. Сейчас та же группа применяет подобный подход к задаче случайного последовательного поглощения твердых гиперсфер, важной для анализа пустот и помехоустойчивых кодов. Оба процесса приводят к застыванию частиц, но у них разная природа: джемминг — это коллективный равновесный переход, а поглощение — необратимое насыщение, при котором частицы после размещения уже не двигаются.
Ранее Наука Mail рассказывала, сможет ли ИИ заменить человеческий мозг.