目前，根據在地球上觀測到的火星和太陽的運行軌跡，一種受大腦啟發的機器學習算法計算出了太陽位于太陽系的中心。而天文學家花了幾個世紀才搞清楚這個道理。

這一壯舉是對一項技術的初次測試，研究人員希望能夠利用它發現新的物理定律，或許還可以通過在大數據集中發現新的模式來重新構建量子力學。螺桿泵

相關研究成果將發表在隨即出版的《物理評論快報》上。

蘇黎世瑞士聯邦理工學院的物理學家Renato Renner以及他的合作者想要設計一種算法，將大量數據集提煉成幾個基本公式，這仿造了物理學家提出簡潔方程式（例如E=mc2）的思路。

為了達到這一點，研究人員必須設計一種新型的神經網絡，一種受人類大腦結構啟發的機器學習系統。計量泵

傳統的神經網絡通過大量數據集的訓練學習識別物體，例如聲音或圖像。研究人員發現一般特征——例如“尖尖的耳朵”和“四條腿”能夠用來識別貓。然后，他們將這些特征編碼到數學“節點”中，后者是神經元的人工等效物。

然而，神經網絡并沒有像物理學家那樣，將這些信息提煉成幾個易于解釋的規則，而是有點像一個黑匣子，將它們獲得的知識以不可預測且難以解釋的方式傳播到數千個乃至數百萬個節點上。

因此，Renner的研究團隊設計了一種“腦葉切除”式的神經網絡——兩個僅通過少量鏈接相互連接的子網絡。第一個子網將從數據中學習，就像在一個典型的神經網絡中一樣；而第二個子網將使用這種“經驗”做出新的預測并加以測試。管道泵

由于連接兩個子網絡的鏈路很少，第一個子網絡被迫以壓縮格式向另一個子網絡傳遞信息。Renner把這比作一個導師如何把他學到的知識傳授給學生。

最初的一項測試是向該神經網絡提供從地球上看到的火星和太陽在天空中運行的模擬數據。從這個角度看，火星環繞太陽的軌道似乎是不穩定的，比如它會周期性地“逆行”，改變自己的軌道。

致力于將人工智能應用于科學發現的加拿大多倫多大學物理學家Mario Krenn表示，該研究團隊的神經網絡得出了哥白尼式的火星軌道公式，重新發現了“科學史上最重要的一個范式轉變”。

Renner強調，雖然該算法推導出了這些公式，但需要人的眼睛來解釋這些方程，并理解它們與行星圍繞太陽運行之間的關系。

這項研究工作很重要，因為它能夠找出描述一個物理系統的關鍵參數，美國紐約市哥倫比亞大學機器人專家Hod Lipson說。他表示：“我認為這些技術是我們理解和跟上物理和其他領域日益復雜的現象的唯一希望。”離心泵

Renner和他的團隊希望能夠開發出幫助物理學家解決量子力學中的那些明顯矛盾的機器學習技術。這個理論似乎對一項實驗的結果和受其規律支配的觀察者的觀察方式產生了相互矛盾的預測。

“在某種程度上，現在量子力學的表述方式可能只是歷史的產物。”Renner說。他強調，一臺計算機可以得出一個沒有這些矛盾的公式，但該團隊最新的技術還不夠成熟，暫時無法做到這一點。單螺桿泵

為了實現這一目標，Renner和他的合作者正在嘗試開發一種神經網絡，后者不僅可以從實驗數據中學習，而且還可以提出全新的實驗來驗證其假設。