در دنیای اندازه‌گیری‌های فوق‌دقیق، رصدخانه LIGO به عنوان یکی از پیشرفته‌ترین ابزارهای علمی شناخته می‌شود. این آشکارساز، با دو بازوی ۴ کیلومتری، توانسته است با دقتی فراتر از عرض یک پروتون، امواج گرانشی را ثبت کند. ساخت و بهینه‌سازی این سامانه بیش از دو دهه زمان برد و اولین کشف آن در سال ۲۰۱۵ رخ داد، زمانی که دو سیاه‌چاله در فضا با هم برخورد کردند. پس از این موفقیت، فیزیکدانی به نام رانا آدهیکاری در مؤسسه فناوری کالیفرنیا تلاش کرد طراحی LIGO را با استفاده از هوش مصنوعی بهبود ببخشد. او و تیمش با بهره‌گیری از نرم‌افزاری به نام PyTheus، که ابتدا برای طراحی آزمایش‌های کوانتومی ایجاد شده بود، به کمک AI آزمایشی پیچیده و غیرمعمول طراحی کردند. این طراحی شامل یک حلقه نوری سه کیلومتری اضافه بود که باعث کاهش نویز کوانتومی می‌شد. درک کامل عملکرد این طراحی ماه‌ها زمان برد، اما نتایج نشان داد که دقت آشکارساز را تا ۱۵٪ افزایش می‌دهد—مقداری چشمگیر در دنیای فیزیک دقیق.

هوش مصنوعی نه‌تنها در طراحی تجهیزات، بلکه در تحلیل داده‌های پیچیده نیز نقش پررنگی یافته است. در یکی از پروژه‌های مهم، تیمی از پژوهشگران موفق شد با استفاده از الگوریتم‌های یادگیری ماشین، چگالی ماده تاریک در جهان را با دقتی بیشتر از روش‌های انسانی پیش‌بینی کند. این مدل‌ها با بررسی ویژگی‌های قابل مشاهده خوشه‌های کهکشانی، به روابط جدیدی برای توصیف ماده تاریک دست یافتند.

از سوی دیگر، در زمینه فیزیک کوانتومی، تیمی به سرپرستی ماریو کرن با استفاده از گراف‌های ریاضیاتی، آزمایش‌هایی جدید برای پدیده درهم‌تنیدگی (entanglement) طراحی کرد. یکی از دانشجویان این تیم موفق شد طراحی ساده‌تری نسبت به آزمایش کلاسیک آنتون زایلینگر از سال ۱۹۹۳ ارائه دهد. در سال ۲۰۲۴، تیمی از دانشگاه نانجینگ در چین این آزمایش را به‌صورت واقعی اجرا کرد و صحت عملکرد آن را تأیید نمود.

علاوه بر طراحی آزمایش، هوش مصنوعی در کشف تقارن‌ها در داده‌های فیزیکی نیز موفق عمل کرده است. تیمی از دانشگاه کالیفرنیا سن‌دیگو با آموزش مدل‌های یادگیری ماشین روی داده‌های به‌دست‌آمده از برخورددهنده بزرگ هادرونی (LHC)، توانست تقارن‌های لورنتس را بدون داشتن اطلاعات فیزیکی اولیه کشف کند. این تقارن‌ها نقش کلیدی در نظریه نسبیت اینشتین دارند. با وجود اینکه مدل‌های فعلی هوش مصنوعی قادر به تفسیر فیزیکی یا ارائه فرضیات جدید نیستند، اما پژوهشگران امیدوارند با ورود مدل‌های زبانی پیشرفته مانند ChatGPT به عرصه علم، امکان تولید فرضیه‌های علمی توسط ماشین نیز فراهم شود. کایل کرنر، فیزیکدان دانشگاه ویسکانسین، معتقد است که زبان‌مدل‌ها می‌توانند مرحله بعدی تحول در علم را رقم بزنند. به‌طور کلی، هوش مصنوعی در مسیر تبدیل شدن به ابزار اصلی دانشمندان در حوزه‌های مختلف فیزیک قرار دارد. از طراحی آشکارسازهای پیچیده گرفته تا کشف الگوها و تقارن‌ها، AI نشان داده که می‌تواند مکملی قدرتمند برای ذهن انسان باشد—و شاید در آینده نزدیک، به کشفیات جدیدی در فیزیک منجر شود که تاکنون تصور آن نیز دشوار بوده است.

منبع خبر: wired