L’algoritmo per prevedere le orbite dei pianeti potrebbe essere la chiave per un approvvigionamento energetico infinito
Un algoritmo informatico sviluppato da uno scienziato del Princeton Plasma Physics Laboratory (PPPL) del Dipartimento dell’Energia degli Stati Uniti (DOE) può prevedere con precisione l’orbita dei pianeti nel sistema solare. Si basa sull’intelligenza artificiale (AI) per sviluppare previsioni basate su esperienze precedenti.
Ora, i fondamenti di quell’algoritmo vengono adattati in altri domini, in particolare per quanto riguarda la previsione e il controllo del plasma negli impianti di fusione. Queste strutture possono raccogliere l’energia di fusione, che alimenta il sole e le stelle, sulla Terra.
Hong Qin è un fisico PPPL e autore del documento pubblicato su Scientific Reports .
“Di solito in fisica si fanno osservazioni, si crea una teoria basata su quelle osservazioni e poi si usa quella teoria per prevedere nuove osservazioni”, ha detto Qin. “Quello che sto facendo è sostituire questo processo con un tipo di scatola nera in grado di produrre previsioni accurate senza utilizzare una teoria o una legge tradizionale”.
Il programma per computer
Il programma per computer sviluppato da Qin si basa su dati alimentati da osservazioni passate riguardanti le orbite di Terra, Marte, Mercurio, Venere, Giove e il pianeta nano Cerere. Insieme a un “algoritmo di servizio”, possono essere fatte previsioni accurate delle orbite di altri pianeti, il tutto senza l’uso delle leggi di Newton del movimento e della gravitazione.
“In sostanza, ho aggirato tutti gli ingredienti fondamentali della fisica. Vado direttamente dai dati ai dati “, ha detto Qin. “Non vi è alcuna legge della fisica nel mezzo.”
Joshua Burby è un fisico del Los Alamos National Laboratory del DOE. Ha ricevuto un dottorato di ricerca sotto Qin.
“Hong ha insegnato al programma il principio sottostante utilizzato dalla natura per determinare le dinamiche di qualsiasi sistema fisico”, ha detto Burby. “Il vantaggio è che la rete apprende le leggi del moto planetario dopo aver assistito a pochissimi esempi di addestramento. In altre parole, il suo codice “impara” davvero le leggi della fisica “.
Esperimenti di fusione
Questi principi e teorie vengono ora adattati da Qi ed Eric Palmerduca, che è uno studente laureato al Princeton University Program in Plasma Physics. I due stanno tentando di usarli per prevedere il comportamento delle particelle di plasma negli esperimenti di fusione, che si svolgono in tutto il mondo.
La fusione è la combinazione di elementi luminosi sotto forma di plasma, ed è il potere dietro le stelle e il sole. Il plasma rappresenta il 99% dell’universo visibile e ha il potenziale per produrre enormi quantità di energia. Se gli scienziati potessero replicare la fusione sulla Terra, ci fornirebbe una fornitura infinita di energia per l’elettricità.
“In un dispositivo di fusione magnetica, le dinamiche dei plasmi sono complesse e multi-scala, e le leggi che governano efficaci o modelli computazionali per un particolare processo fisico che ci interessa non sono sempre chiare”, ha detto Qin. “In questi scenari, possiamo applicare la tecnica di apprendimento automatico che ho sviluppato per creare una teoria dei campi discreti e quindi applicare questa teoria dei campi discreti per comprendere e prevedere nuove osservazioni sperimentali”.
Gli scienziati ritengono inoltre che questa nuova tecnica potrebbe sviluppare una teoria fisica tradizionale.
Anche se in un certo senso questo metodo preclude la necessità di una tale teoria, può anche essere visto come un percorso verso uno “, ha detto Palmerduca. “Quando cerchi di dedurre una teoria, vorresti avere a disposizione quanti più dati possibile. Se ti vengono forniti alcuni dati, puoi utilizzare il machine learning per colmare le lacune in tali dati o espandere in altro modo il set di dati “.
