Преподавание физики на нейронных сетях удаляет ‘хаос слепота’

Исследователи из Университета штата Северная Каролина обнаружили, что преподавание физики на нейронных сетях позволяет эти сети, чтобы лучше приспособиться к хаосу в их среде. Работа имеет значение для совершенствования искусственного интеллекта (AI) приложений, начиная от медицинской диагностики до автоматического пилотирования дрона.

Нейронные сети представляют собой усовершенствованный тип ИИ основан на то, как работает наш мозг. Наши естественные нейроны обмениваются электрическими импульсами по прочности их соединения. Искусственные нейронные сети имитируют это поведение путем корректировки численного веса и смещения во время тренировок, чтобы свести к минимуму разницу между своим реальным и желаемым результатам. Например, нейронные сети могут быть обучены, чтобы идентифицировать фотографии собак путем просеивания через большое количество фотографий, делая предположение о том, является ли фотография собаки, видя, как далеко оно, а потом регулировать ее веса и смещения, пока они ближе к реальности.

Недостаток этого обучения нейронной сети является то, что называется «хаос слепота» — неспособность прогнозировать и реагировать на беспредел в системе. Обычный ИИ хаосу слепой. Но исследователи из нелинейных искусственных лаборатории НК государственной разведки (лак) обнаружили, что включение функции гамильтониана в нейронные сети лучше позволяет им «видеть» хаос в системе и соответственно адаптироваться.

Проще говоря, гамильтониан воплощает в себе полную информацию о динамической физической системы — общая сумма всех энергий, присутствующих, кинетической и потенциальной. Картинка качающийся маятник, движется назад и вперед в пространстве с течением времени. Теперь посмотрите на снимок, что маятник. Снимка не могу сказать вам, где этот маятник в свою дугу или куда он идет рядом. Обычные нейронные сети работают с снимок маятник. Нейронные сети хорошо знакомы с потоком Гамильтоновой понять все движение маятника-где это, где это или, может быть, и энергию его движения.

В доказательство правильности концепции проекта, ногтей команду включены Гамильтоновы структуры в нейронных сетях, затем применил их к известной модели звездной и молекулярной динамики называется Hénon-Heiles модели. Гамильтонова нейронная сеть точно предсказал динамику системы, даже как он двигался между порядком и хаосом.

«Гамильтониан является действительно специальным соусом’ что дает нейронных сетей способность к обучению порядок и хаос», — говорит Джон Линднер, приглашенный исследователь в ноготь, профессор физики в колледже Вустера, и соответствуя автор бумаги описывая работу. «С Гамильтонова нейронная сеть понимает динамику таким образом, что обычная сеть не может. Это первый шаг к физике подкованных нейронных сетей, которые могли бы помочь нам решить сложные проблемы».

Работа появляется в физическом комментарий E и поддерживается в рамках Управления военно-морских исследований (Грант N00014-16-1-3066). НК государства постдок Anshul choudhary является первым автором. Билл Дитто, профессор физики в штате Северная Каролина, директор ногтей. Приглашенный исследователь Скотт Миллер; Sudeshna Синха, от Индийского института научного образования и исследований Мохали; и NC студента Государственной высшей Эллиотт Холлидей также внесли свой вклад в работу.

сделать разницу: спонсорские возможности