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