Дослідники з Університету Дьюка розробили систему штучного інтелекту для виявлення простих правил, що керують складними динамічними процесами в природі та техніці.

Новий підхід натхненний роботою «динамістів», тобто «вчених, які досліджують зміну систем у часі». Як колись Ісаак Ньютон пов’язав рух із силами через рівняння, так і ця система аналізує часові дані. На їхній основі вона автоматично формує математичні описи поведінки систем. Мета полягає в спрощенні надзвичайно складної динаміки.

Ключовою перевагою підходу є здатність працювати з нелінійними системами, що мають сотні або тисячі змінних. Алгоритм зводить їх до невеликого набору прихованих параметрів. У результаті виникають компактні лінійні моделі, доступні для людського аналізу. Це значно розширює межі інтерпретації даних.

Боюань Чен наголошує: «Наукові відкриття завжди залежали від пошуку спрощених представлень складних процесів». Він підкреслює розрив між обсягами доступних даних і здатністю людини перетворювати їх на правила. Запропонований ШІ спрямований на подолання цієї проблеми. Таким чином поєднуються машинний аналіз і класична теорія.

Метод базується на ідеї Купмана, тобто «математичному представленні нелінійних систем через лінійні оператори». Раніше практичне застосування цієї ідеї вимагало сотень рівнянь. Новий фреймворк автоматично скорочує їхню кількість. Складність стискається без втрати точності прогнозів.

Систему протестували на маятниках, електричних схемах, кліматичних моделях і нейронній активності. В усіх випадках ШІ знаходив невеликий набір змінних, що визначали поведінку. Скорочені моделі були більш ніж у десять разів компактнішими. Вони зберігали стабільність довгострокових прогнозів.

Окремою перевагою є виявлення атракторів, тобто «стабільних станів системи». Це дозволяє оцінювати, чи система наближається до рівноваги або нестабільності. Сем Мур зазначає: «Знаходження атракторів схоже на орієнтири в новому ландшафті». Такий аналіз важливий для контролю складних процесів.

Автори підкреслюють, що підхід не замінює фізику. Він доповнює її там, де рівняння є надто складними або невідомими. Поєднання ШІ та динамічних систем відкриває шлях до автоматизованих наукових відкриттів. Дослідження опубліковано в журналі npj Complexity.