人工智能到万物理论
2020 年
在现代世界中，从机器学习到人工智能，各种各样的工具被用来揭示现实的基础。 物理学一直在努力寻找万物理论。 涵盖所有自然界和物理学的宏大统一理论。 在统一自然界中各种力和相互作用的同时，从 James Clerk Maxwell 的开创性著作 A Treatise on Electricity and Magnetism [8] 中电和磁的统一，到 Weinberg-Salam-Glashow [9-11] 的电弱统一以及在 Murray Gell-Mann 和 Richard Feynman [12,13] 建立包括 QCD 领域在内的标准模型的方向，已经以缓慢但稳健的方式发展，我们现在有一些候选理论，其中主要的是弦 理论[14]。 我们还不能根据经验建立该理论的各个方面。 超对称的概念是弦论的关键部分。 大型强子对撞机的第一次运行没有发现超对称性的任何证据 [16]。 大型强子对撞机发现希格斯玻色子的结果对最小超对称模型不利。 这是因为 125 GeV 的希格斯玻色子质量对于这个模型来说太大了。 它只能通过顶方夸克的大辐射回路校正来实现，许多理论家认为这是“不自然的”[20]。 在没有可以测试物理学某些前沿的实验的情况下，不能低估计算研究和模拟的重要性。 这是由于能量限制，尤其是在最小尺度上。 据推测，艾萨克·牛顿能够坐在一棵苹果树下，通过观察苹果落在他头上来推断出经典引力的概念。 今天，计算能力和输入都在增加。 这在评估物理学研究的新途径时很重要。 M 理论 [21] 由 Edward Witten 引入，是一种很有前途的方法，可以构建包含量子引力的统一物理模型。 它扩展了弦论的形式。 最近，与机器学习相关的计算工具已被用于求解 M 理论几何 [22]。 TensorFlow 是一个机器学习计算平台，已用于为特定类型的 M 理论几何找到 194 个平衡解。
人工智能是物理学研究中计算追求的一个主要兴趣领域。 Matsubara Takashi、Yaguchi Takaharu 和他们在神户大学的研究团队，在人工智能的帮助下，于 2020 年成功开发出可以模拟我们没有详细公式或机制的现象的技术。 此步骤基于观察模型的创建，该模型必须符合物理定律。 研究人员使用数字微积分和几何方法，包括黎曼几何和辛几何的方法，来实现这一目标。
来源和详细信息：
https://www.bengalchronicle.com/2021/06/26/ai-ming-for-a-theory-of-everything/