ハワイ大学マノア校の学生主導チームが、複雑な2次元データの方向を決定するための新アルゴリズムを開発した。2月6日にAIP Advancesで特集記事として発表されたこの研究は、粒子物理学から機械学習まで幅広い応用が期待される。
この研究は、物理学部の学部生Jeffrey G. Yepezが主導し、John G. Learned教授の指導のもと、ローレンスリバモア国立研究所のスタッフサイエンティストでUH卒業生のViacheslav Liからも追加のメンタリングを受けて行われた。
開発されたアルゴリズムは、ニュートリノと呼ばれる微小でほぼ見えない粒子がどこから来ているかを科学者が特定するのを助ける。これらの粒子は、原子炉、太陽、遠方の宇宙イベントに関する情報を明らかにすることができる。
技術的には、このアルゴリズムは「フロベニウスノルム」と呼ばれる数学的ツールを使用して、数値のグリッド間の差異を測定する。これは大きなデータテーブルの「距離公式」として機能する。参照データセットを回転させて測定データと比較することで、最小の差異を生み出す回転を特定し、信号の最も可能性の高い方向を明らかにする。
物理情報機械学習（Physics-Informed Machine Learning）は、AIが物理法則に従いながら複雑なデータを処理することを可能にする分野である。このアプローチにより、流体力学や気候モデリングなどの分野でより正確な予測が可能になる。従来の純粋なデータ駆動型アプローチとは異なり、物理法則を制約として組み込むことで、物理的に一貫性のある結果を保証できる。
この研究は、学部生が主導した点でも注目に値する。次世代の科学者がAIと物理学の境界領域で革新的な研究を行っていることを示している。