物理学家教AI“学物理”,AI反手揪出教科书里的两个错误

我爱免费

作者：微信文章
科学剃刀，速递全球顶刊科学动态，关注+星标，第一时间收到推送。

美国埃默里大学的物理学家们干了件新鲜事。他们没有把人工智能（AI）当成一个普通的计算器或者数据处理器，而是把它培养成了一位“物理学家”，让AI自己去研究一种叫“尘埃等离子体”的复杂系统。结果，这个AI不仅以前所未有的精度搞明白了系统内部粒子间的作用力，还敏锐地指出了过去物理学理论中两个“想当然”的错误。这项颠覆性的研究成果，发表在了2025年8月1日的《美国国家科学院院刊》（PNAS）上。


图释：实验室真空室内的视图，胶体颗粒悬浮在一个扁平的圆盘中，由激光的绿光照亮，以研究尘埃等离子体。图片来源：伯顿实验室

在我们聊AI有多厉害之前，得先搞明白这个“尘埃等离子体”到底是个啥。你可能知道物质有三态：固、液、气。但其实还有第四态，叫等离子态。简单说，就是把气体加热到极高的温度，或者用强电场去“轰击”它，气体原子里的电子就会被“甩”出来，变成带正电的离子和带负电的电子。这些带电粒子自由地混在一起，就成了等离子体。宇宙里99.9%的可见物质都是等离子体，比如太阳、恒星，还有地球上的闪电。那“尘埃等离子体”呢？顾名思义，就是在这些带电粒子中，再混入一些微小的固体颗粒，也就是“尘埃”。这些尘埃也会因为周围的电子和离子而带上电荷。这种现象在宇宙里非常普遍，土星环、月球表面悬浮的尘埃，都是尘埃等离子体。阿波罗宇航员在月球上走一圈，宇航服上就沾满了灰尘，就是因为月球表面微弱的引力下，这些带电尘埃形成了尘埃等离子体。在地球上，森林大火产生的浓烟里，烟尘颗粒和燃烧产生的离子化气体混合，也会形成尘埃等离子体，甚至会干扰消防员的无线电通信。


图释：实验和数据工作流概述。图片来源：美国国家科学院院刊（2025 年）。DOI：10.1073/pnas.2505725122，https://www.pnas.org/doi/10.1073/pnas.2505725122

研究这种系统非常困难。因为它是一个典型的“多体系统”，里面有无数个带电粒子，每个粒子都在动，同时又在影响着其他所有粒子，彼此间的相互作用错综复杂，像一锅煮沸了的粥。想用传统的数学公式去精确描述每一个粒子的运动和它们之间的力，计算量大到几乎不可能。因此，过去的物理学家们只能提出一些简化的理论模型和假设来进行近似分析。

埃默里大学的贾斯廷·伯顿（Justin Burton）教授和伊利亞·內梅曼（Ilya Nemenman）教授领导的团队决定换个思路。他们想，能不能让AI来啃这块硬骨头？但他们用的不是像ChatGPT那样，靠海量互联网数据来“猜”答案的AI。他们需要一个能从少量、精确的实验数据中学习并发现未知物理规律的AI。为此，实验物理学家伯顿的实验室建立了一个精巧的装置：在一个真空室里，他们用激光照亮悬浮在等离子气体中的微小塑料颗粒，并通过高速摄像机和一种类似CT扫描的断层成像技术，追踪每一个颗粒在三维空间中的运动轨迹，持续好几分钟。这就得到了最真实、最基础的实验数据。

然后，理论物理学家内梅曼出场了。他和团队花了一年多的时间，反复开会讨论，为这个任务量身打造了一个神经网络结构。他们没有让AI“瞎学”，而是先给它设定了几个基本物理框架，告诉它需要分别考虑三种力：粒子运动受到的阻力、像重力这样的环境力，以及粒子与粒子之间的相互作用力。这就好比教一个学徒画画，不是让他凭空乱画，而是先教他构图、透视和光影的基本原则，然后让他自己去观察和描绘事物的真实细节。AI的任务，就是在这些基本框架内，从实验数据中自己“悟”出粒子间相互作用力的精确形式。

结果让整个团队大吃一惊。这个AI模型不仅成功了，而且对粒子间作用力的描述精度超过了99%！更重要的是，AI的发现直接修正了过去理论中的两个错误认知。

第一个被修正的理论是关于尘埃颗粒的电荷量。过去的理论认为，尘埃颗粒越大，它表面吸附的电荷就越多，并且这个电荷量和颗粒的半径成正比。听起来很合理，对吧？但AI通过分析数据发现，这个关系没那么简单。虽然确实是颗粒越大电荷越多，但并非严格的正比关系，它还受到等离子体本身的密度和温度的影响。

第二个被修正的理论是关于粒子间作用力的衰减方式。传统理论认为，两个粒子之间的作用力会随着距离的增加而指数级减小，并且这个衰减的速度与粒子本身的大小无关。AI的分析结果却表明：这个力衰减的速度，其实是跟粒子的大小有关系的。这意味着，大颗粒和小颗粒在与其他粒子互动时，遵循的“社交距离”规则并不完全一样。

此外，AI还精确地描述了一种被称为“非互易力”的奇特现象。这个词听起来很专业，但可以用一个生活中的例子来理解。想象湖面上有两艘船，一前一后行驶。前面的船会产生尾波，这个尾波会影响到后面的船；同样，后面的船也会产生波浪影响前面的船。但它们相互影响的方式可能完全不同，比如前面船的尾波可能会“吸引”后面的船，而后面船激起的波浪却可能在“推开”前面的船。这就是“非互易”的，即“我作用于你的方式”和“你作用于我的方式”是不对称的。AI发现，在尘埃等离子体中，领先的粒子会吸引后面的粒子，而尾随的粒子却总是在排斥前面的粒子。这个现象过去有人猜测过，但从未被如此精确地量化和证实。

这项研究的意义远不止于搞懂了尘埃等离子体。它开创了一种全新的科研范式：利用精心设计的AI作为探索工具，去发现复杂系统中潜藏的物理规律。这个方法是通用的，未来可以被应用到更广泛的领域。比如，我们身边常见的涂料、墨水等胶体材料，甚至生命科学中癌细胞的扩散、鸟群的飞行、鱼群的游动，这些都是复杂的“多体系统”。内梅曼教授就计划将这套方法带到生物学领域，用它来研究生物的集体行为。也许有一天，AI能够帮助我们揭示癌细胞是如何从肿瘤中脱离并转移的奥秘。

当然，这并不意味着AI将取代科学家。恰恰相反，这项工作凸显了人类智慧的关键作用。从设计实验、提出问题，到花费一年多时间构建AI的“思维框架”，再到最后解读AI的发现并进行验证，每一步都离不开物理学家的深刻洞察和批判性思维。正如伯顿教授所说，这就像《星际迷航》的信条——“勇敢地航向前人所未至的领域”。正确地使用AI，将为我们打开一扇通往全新未知世界的大门。

参考文献：

Physics-tailored machine learning reveals unexpected physics in dusty plasmas, Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2505725122 , www.pnas.org/doi/10.1073/pnas.2505725122

硬核科普不易，觉得不错就打个赏吧，感谢老铁支持！

加微信fusion9000，进“科学剃刀”粉丝交流群交流，实时滚动推送最新信息