AIが奇妙な物理実験を考案するが、それは成功する

308日前原文(quantamagazine.org)

概要

AIソフトウェア が物理実験の設計を革新
LIGOの重力波検出器における 精密測定 の進化
AIによる非直感的な設計 が物理学の限界を突破
量子実験やデータ解析でも AIの活用 が進展
今後の物理学における AIの可能性 への期待

AIが切り拓く物理実験の新時代

AIソフトウェア が人間物理学者の実験設計を上回る成果
依然として人間がAIを監督する必要性
LIGO（Laser Interferometer Gravitational-Wave Observatory）は 重力波検出 のための巨大装置
- ワシントン州Hanfordとルイジアナ州Livingstonに設置
- 4キロメートルのアームでレーザーを反射し、 プロトン幅以下の変化 を測定
LIGOの設計は数十年にわたり 物理的限界 まで追求
- 1994年から建設開始、2015年に初の重力波検出
CaltechのRana Adhikari率いるチームが 検出器の最適化 を担当
2015年以降、LIGOの設計改良をAIに依頼
- Mario Krenn開発のソフトウェアを活用
- AIは人間には思いつかない 複雑で非対称な設計 を提案
- 解釈が困難な設計ながら、 実際に高性能 であった
AIが 量子雑音低減 の理論を応用し、未踏の設計を実現
- もしAIの知見が初期設計に活かされていれば、 感度が10～15％向上 した可能性
LIGOのような巨大プロジェクトでも、 AIが独自の貢献 を示す

量子実験とAIの融合

量子物理では、 状態が確率的 にしか決定できない特性
複数の量子オブジェクトが 一つの量子状態 を共有する「エンタングルメント」
1990年代、Anton Zeilingerらが エンタングルメントスワッピング を提案
- 2組のエンタングルメント光子ペアから、 新たなペア間のエンタングルメント を実現
- 量子技術の基盤となる実験手法
2021年、KrennのチームがAIソフト「PyTheus」で 新しい実験設計 を開始
- 実験をグラフ構造で表現し、 目的の量子状態 を実現するために最適化
- AIが従来とは異なる、 よりシンプルな設計 を発見
2024年、中国Nanjing UniversityのXiao-Song Maチームが 実験でAI設計を検証 し成功

AIによるデータ解析と発見

AIは 実験結果の解析 にも活用
- Wisconsin-MadisonのKyle Cranmerらが ダークマターの密度予測 にAIを利用
- AIが人間設計より 高精度な数式 を導出
- ただし、AIは「なぜその式になるか」の 説明力が不足
UC San DiegoのRose Yuらは データから対称性 を発見するAIモデルを開発
- Large Hadron Colliderのデータから ローレンツ対称性 を再発見
- AIが物理法則の根本的なパターンを 自動的に抽出 可能
物理学者たちは、 AIがパターン発見には長けるが、物理的解釈や仮説構築は未熟 と指摘
- ChatGPTのような 大規模言語モデル の進化で、仮説構築支援への期待

AIと物理学の未来

AIはまだ 新しい物理概念の創出 には至っていないが、今後は可能性大
物理学における AI支援による発見の閾値 が目前
AIと人間の協働 による新しい科学の幕開け

Hackerたちの意見

LLMじゃないから、気にしないでね。PyTheusの論文から: > 密な、または完全に接続されたグラフから始めて、PyTheusは勾配降下法とトポロジー最適化を組み合わせて、特定の量子実験に対応する最小グラフを見つけるんだ。

これ、進化したアンテナに似てるね。https://en.wikipedia.org/wiki/Evolved_antenna AIを使って問題を解決するのって、そういうことがいくつかあるよね。何がどう良くなってるのかはまだよく分からないけど。

最初は、AIのデザインは奇抜に見えた。“その出力は本当に人間には理解できないものだった”とアディカリは言った。“あまりにも複雑で、エイリアンのようなものやAIのようなもので、人間が作るものとは全然違った。対称性や美しさ、何もなくて、ただの混沌だった。” この説明、数十年前のNASAの進化したアンテナを思い出させるね。遺伝的アルゴリズムで作られたんだ。https://en.wikipedia.org/wiki/Evolved_antenna

└

[必須のGAアンテナ投稿要件を満たしました]

└

進化したアンテナは、ちょうど6回曲がったワイヤーの塊だよ。すごくシンプルで、理解しにくいごちゃごちゃの真逆だね。

└

その進化したアンテナは、酔っ払ったクモが組み立てたみたいに見えた。

└

進化的アルゴリズムを使って、二つのケーブルをつなぐ機械部品や橋のケーブルを固定するデザインを作るのに似たようなことがあったな。重量と強度を最適化してたんだけど、デザインは異星的でちょっと有機的に見えた。でも、今はそのデザインを見つけられないんだ。

└

これを思い出させる記事があるよ: https://www.damninteresting.com/on-the-origin-of-circuits/ 彼らは遺伝的アルゴリズムを使って、FPGA上でデジタル回路を進化させたんだ。その結果、電磁干渉を利用した回路ができて、人間が作れるよりもずっと効率的だった。これって「AIの終末論」に面白い影響をもたらすかも。もしAIがすべてを理解しているなら、空気の隙間さえもそれを抑え込むには足りないかもしれない。想像もつかない方法で無線通信のためにハードウェアを再利用できるかもしれないからね。

└

バイアスはハンデだよね。美しさや対称性、説明、物語を求めるのは、すべて歪んだレンズやお化け屋敷の鏡のようなもので、真実の認識を隠したり妨げたりしてる。

└

最高の人間を簡単に打ち負かすチェスエンジンを思い出すな。でも、人間のプレイヤーが「エンジンの手」として識別できる手を指すんだよね。チェスはルールで環境が固定されてるから、基礎的なパターンの理解がもっとオープンな環境では強調されると思う。

└

これについて読んだのを覚えてる、楽しかったな。

ほとんどの人が「AI」と言うとき、ほぼみんなが「トランスフォーマーベースの言語モデル」と勘違いする時代に、こういう最適化プログラムを単に「AI」と呼ぶのは本当に雑だと思う。

└

Web 3.0についても、そんな感じだな…。

└

確かにそうだけど、トランスフォーマーがAIの全てだと意図的に誤解させられてる中で、一般の人たちを責められるかな？それは無理だと思う！

└

どうして一つの記事で、人々が「AI」と言うときにLLMやそれに類するものを指しているのを雑に使う問題を解決できると思うの？

└

Quanta Magazineを読むほとんどの人は、AIが何を意味するか分かってると思うよ。

└

「ほとんど全員」がAIの正確な定義を持っていると思うのは、ちょっと雑な考えだよね。ほとんどの人はOpenAIやChatGPTのことすら知らないし、知ってる人の中でも、たぶんSFの中のAIの話を聞いたことがあるくらいだと思う。私のAIの定義は、最近のコンピュータの処理能力とRAMが十分になったおかげでできるようになった、生成的なものも含めた高度なコンピュータ処理だよ。

└

ほとんどの人がトランスフォーマーベースの言語モデルに資金を提供しようとしている今の時代に、この種の最適化をAIと呼ぶのは常識だと思うけどね。

└

実際にはこのリポジトリだと思うよ：https://github.com/artificial-scientist-lab/GWDetectorZoo/ LLMっぽいものは全然ないけど、ここでAIって言葉を使ってくれたのは嬉しいな。

└

こういう曖昧な言い回しは、トランスフォーマーベースの言語モデルへの巨額投資や、その雑な展開を正当化しようとする主要なPR戦略の一つみたいだね。一般の人々がこれに対して反発しているのは、たぶん実際以上に多いと思う。

└

まあ、ランダムなビジネスパーソンがやる分には我慢できるけど、科学者や技術者はもっと分かってほしいよね。

└

今ではタイトルとしては誤解を招くけど、伝統的な意味で使われているのを見て新鮮に感じた。

「メインの干渉計と検出器の間に、光が干渉計のアームを出る前に循環するための3キロメートルのリングが追加されたんだ。」これって遅延ラインじゃない？遅延信号と未遅延信号を混ぜることで、探している位相シフトが増幅されるっていう利点があるよね。

└

リングレーザーみたいだね。感度を高めるための珍しい概念ではないよ。

ここでの「AI」は、クラウドやグロック、OpenAIの「AI」とは違うよ。ただの最適化アルゴリズムで、いろんなことを並行して試して、次のラウンドに向けてより良い解決策を見つけるためのものなんだ。

└

ただの最適化アルゴリズムで、いろんなことを並行して試して、次のラウンドに向けてより良い解決策を見つけるためのものなんだ。…これがAIだよ。AIはGPTが発明されるずっと前から存在していて、必要な計算能力がなかったからニューラルネットワークは探求されなかったんだ。

記事には、学生がこれらのデザインを提示すると、馬鹿にされるって書いてあった。でもAIが提示すると真剣に受け止められる。人間があまりにも型破りな考え方をすると却下されることがどれだけあるのか気になるな。学生はそういうことをしないように促されているみたいで、探求の幅がかなり制限されているように思える。

└

これはコストリスク分析だね。学生に好きにやらせてみたけど、ほとんどの場合、何も進まなかったから、結局はもっと合理的なシステムに落ち着いたよ（いろいろ条件はあるけど）。実験を提案して、実際にうまくいくかどうかの感覚がある人が承認してから実施するって感じ。AIは今、自由に試す段階に入ってるけど、限界が理解されれば、制限の枠組みと合理的なシステムが必然的にできるよ。

└

基本的にどの分野でも、まずは箱の中で考えられることを示さないと、型破りなアイデアを出すことは許されないんだよね。技術をマスターしてルールを理解したら、クリエイティブになれるけど、それ以前は創造性はあまり評価されない。学者でもアーティストでも、同じルールが適用されると思う。AIは、結果に関係なく面白いアイデアを出すから、ここでは疑いの余地があるんじゃないかな。

最近では、「AI」って基本的にニューラルネットワークベースのモデル、特に大きな自己回帰モデルを指す感じだよね。多くの人の目には、畳み込みニューラルネットワークですら「本物のAI」とは見なされなくなってる。面白いよね、物事が変わるのって。少し前までは、A*のような検索アルゴリズムがAIの最先端と考えられてたのに。

この記事は誤解を招くし、ひどく書かれてる。言語や知識ベースのモデルを使った作品は一つもないみたいだし、結果はすべて最適化アルゴリズムによって導かれたように見える。それなのに、文章ではAIが「概念」や「トリック」を使ってると説明してる。この手の言葉は、もっと古典的（でも進んだ）な最適化アルゴリズムを説明するには全く不適切で誤解を招く。最初の例の論文を見てみると、彼らは高度な勾配降下法に基づく最適化アルゴリズムを使ってるのに、記事では「AIはおそらくロシアの物理学者が数十年前に特定したエソテリックな理論原則を使って量子力学的ノイズを減少させていた」と説明してる。馬鹿げてるし、非常に誤解を招く。AIアルゴリズムには概念的な操作や直感は全く使われてないよ！これは人間がコーディングした空間を人間がコーディングしたシミュレーターを使って探索する最適化アルゴリズムなんだから。

└

そうだよね。「AI」って言葉が、せいぜいMLの代わりに使われてるだけで、一般の人たちには誤解を招いてると思う。まるで一般的なAGIみたいな能力が背後にあるかのように信じ込まされてるし。この記事はかなり簡略化されてて、MLが関わってるのか、ただの組み合わせ実験の評価なのかもわからないよね。

「その出力は本当に人間には理解できないものでした」「アディカリのチームは、AIがロシアの物理学者たちが数十年前に特定した難解な理論原則を使って、量子力学的なノイズを減らしている可能性があることに気づきました。」この件はロシアの成果だと思うよ、"AI"じゃなくて。

└

モデルの出力の背後にあるメカニズムが、その理論原則のメカニズムと同じだと疑ってるってことは明らかだよね。AIが抽象的な意味で概念を操作してるわけじゃないんだし。君の過激な否定がよくわからないよ。最適化モデルを使ってることが、LLMじゃないと何が問題なの？記事の中で誰もLLMを使ったとは言ってないし。実際、LLMに関する唯一の言及は、下の方で自動仮説生成の進展につながることを期待してるって言ってるところだけだよ。まあ、そういうことだよね？

そんなに昔のことじゃないけど、こういう最適化アルゴリズムを開発する仕事は「最適化アルゴリズム」と呼ばれていて、AIとは呼ばれてなかったよ。> 「我々は、図2(a)に示された高い並列性を持つハイブリッドなローカル・グローバル最適化アルゴリズムUraniaを開発しています。これは、完全にランダムな初期化または異なる周波数範囲からの解を増強したUIFOの数千の初期条件のプールから始まります。Uraniaは、Broyden-Fletcher-Goldfarb-Shanno（BFGS）アルゴリズムの適応版を使用して、目的関数を最小化する1000の並列ローカル最適化を開始します。BFGSは逆ヘッセ行列を近似する非常に効率的な勾配降下最適化器です。各ローカル最適化のために、Uraniaはボルツマン分布に従ってプールからターゲットを選び、プール内のパフォーマンスが良い設定を高く評価し、局所的な最小値から脱出するために小さなノイズを加えます。」 https://journals.aps.org/prx/abstract/10.1103/PhysRevX.15.02...

ハクソク