文|新智元

编辑|大明

地球绕着太阳转。

这个现在人人皆知的事实，历史上的一代代天文学家足足花了几个世纪才弄清楚。不过现在，受大脑启发的机器学习算法通过预测得出了这个结论。

算法根据太阳和火星的运动在地球上的呈现方式，将太阳置于太阳系的中心。这是这项技术的首次测试，研究人员希望可以通过像发现大数据集中的数据模式一样，来发现新的物理定律，并重新塑造量子力学。这项研究的结果将发表在《物理评论快报》上。

来自苏黎世瑞士联邦理工学院（ETH）的物理学家Renato Renner和他的团队想设计一种算法，将大数据集分解为几个基本公式，从而模仿物理学家提出像E = mc2这样的简洁方程式一样，发现更多的预测规律和模式。为此，研究人员必须设计一种新型的神经网络。

传统的神经网络通过训练庞大的数据集来学习识别物体，例如图像或声音。在训练中发现了一般特征，如，“四只腿”和“尖头的耳朵”特征可能代表着猫。然后在数学“节点”（神经元的人工等效物）中对这些特征进行编码。

但是，神经网络并不是像物理学家那样，将这些信息提炼成几个易于解释的规则，而是一个黑匣子。换句话说，神经网络是以一种无法预测且难以解释的方式，将其获得的知识分布在成千上万个节点上。

Renner的团队设计了一种“整体化”的神经网络：两个子网之间仅通过为数不多的几个链接相互连接。第一个子网将像原有的神经网络一样从数据中学习，第二个子网将使用该“经验”来进行和测试新的预测。由于两个网络之间几乎没有连接的链路，第一个网络必须要以压缩格式将信息传递给另一侧。Renner将其比作“导师教学生”的信息传递方式。

AI算法是如何定位行星运动的

一开始，研究人员会向神经网络提供有关从地球上观测到的火星和太阳在天空中运动的模拟数据。从地球上的视角来看，火星围绕的太阳公转轨道似乎是不稳定的，火星会周期性地出现“逆行”。

在历史上很长一段时间内，天文学家一直认为地球处于宇宙的中心，并认为行星在以称为“行星轮”的小圆圈运动，来解释火星的这种“反常”运动。但在16世纪时，哥白尼（Nicolaus Copernicus）发现，如果假定地球和行星都在绕太阳公转，就可以用更简单的公式体系来预测行星运动。

加拿大多伦多大学的物理学家马里奥·克伦（Mario Krenn）说，该团队开发的神经网络预测出了“哥白尼式”的火星轨迹，重新发现了“科学史上最重要的行星运动范式之一”。

Renner强调，尽管该算法可以推导公式，但仍需用人工手段解释方程式，并了解这些公式与行星围绕太阳运动的关系。

哥伦比亚大学的机器人学家霍德·利普森表示，这项研究很重要，能够挑选出描述物理系统的关键参数。他说：“我认为这些技术是我们理解并认识物理学中越来越复杂的现象的唯一希望。”

Renner团队希望能开发机器学习技术，帮助物理学家解决量子力学中存在的明显矛盾。量子理论似乎对实验结果和观察者的观察方式产生了相互矛盾的预测。

Renner表示：“量子力学目前的形式在某种程度上可能只是历史上的人造品。”而计算机可以提出没有这种矛盾的新表述，但是目前该团队最新技术还不够完善。为了实现该目标，Renner团队正在尝试开发神经网络的一种新版本，不仅可以从实验数据中学习，而且可以提出全新的实验来检验自己的假设。

参考链接：Nature