埃默里大學的科學家們在探索物理學的未知領域時，采取了前所未有的創新路徑。他們利用人工智能（AI）技術，不僅挑戰了等離子體物理學中根深蒂固的假設，還成功揭示了塵埃等離子體中奇異力的全新面貌。
與常規的AI應用大相徑庭，這些科學家們并未將AI局限于預測結果或數據清洗的任務上。相反，他們設計了一個神經網絡，旨在發現全新的物理定律。這一獨特的研究方法，通過輸入塵埃等離子體的實驗數據，讓AI系統去探索那些尚未被人類完全理解的物理現象。
塵埃等離子體，這種熾熱且帶電的氣體，遍布于宇宙之中，從土星環到地球上的野火煙霧，都能找到它的蹤跡。然而，盡管其普遍存在，塵埃等離子體中粒子間相互作用的具體機制卻一直是個謎。為了解開這一謎團，科學家們構建了一個高精度的3D成像系統，利用激光和高速相機捕捉塑料塵埃顆粒在等離子體環境中的運動軌跡。
這些詳盡的運動軌跡數據，成為了訓練定制神經網絡的寶貴資源。不同于依賴海量數據的AI模型，這個神經網絡在少量但信息豐富的數據集上進行了訓練，并且被巧妙地設計為內置物理規則，如重力、阻力和粒子間作用力。這樣的設計，使得AI能夠在遵循基本物理原理的同時，學習到復雜的行為模式。
研究結果顯示，這個神經網絡不僅成功描述了塵埃等離子體中非互易力的精確行為，而且其準確度超過了99%。一個令人矚目的發現是，粒子間的相互作用呈現出不對稱性：當一個粒子領先時，它會吸引尾隨粒子，而尾隨粒子則會推開前導粒子。這種不對稱的相互作用此前雖有懷疑，但從未被如此清晰地建模過。
更令人驚訝的是，這個AI模型還修正了等離子體物理學中一些長期存在的錯誤假設。例如，過去認為粒子的電荷量與其尺寸完全成正比，但AI揭示出這種關系實際上取決于周圍等離子體的密度和溫度。同樣，粒子間的力也并非總是隨距離呈指數衰減，而是受到粒子大小的影響，這一見解在以往的研究中被忽視了。
值得注意的是，這個強大的AI模型僅需在普通臺式計算機上運行，即可產生通用的框架。這一框架現在可以被應用于各種多粒子系統，從油漆混合物到生物體內的細胞遷移，展示了AI在科學發現中的無限潛力。這項研究不僅證明了AI在揭示自然隱藏規則方面的能力，也挑戰了人們對AI應用的傳統認知。
埃默里大學的教授伊利亞·內門曼表示：“盡管人們都在談論AI如何改變科學，但很少有實例能夠證明AI系統能夠直接發現全新的基礎性知識。我們希望這項工作能夠激勵更多的科學家探索AI在科學和社會領域的廣泛應用。”
