Des chercheurs de l’Université de New York à Abu Dhabi (NYUAD) ont démontré que l’intelligence artificielle peut redécouvrir de manière indépendante les lois fondamentales de la physique des particules, même sans qu’elles leur soient explicitement enseignées. Les résultats, publiés dans le Journal of High Energy Physics, montrent que de simples algorithmes d’apprentissage automatique peuvent extraire les mêmes principes d’organisation qu’il a fallu des décennies aux scientifiques pour découvrir.
L’IA reconstruit le modèle standard
L’étude a alimenté un système d’IA avec des données expérimentales brutes provenant d’expériences de physique des particules menées dans les années 1950 et 1960. L’IA n’a pas reçu aucune connaissance préalable du modèle standard (SM), le cadre établi classifiant toutes les particules et forces fondamentales connues. Malgré cela, il a réussi à identifier les principales caractéristiques du SM, notamment :
- Quantités conservées : L’IA a découvert indépendamment le nombre de baryons, l’isospin, l’étrangeté, le charme et les nombres quantiques inférieurs – propriétés fondamentales qui définissent les interactions des particules.
- La voie octuple : L’IA a reproduit le système de classification influent de Murray Gell-Mann, qui prédisait l’existence des quarks avant qu’ils ne soient confirmés expérimentalement.
- Trajectoires Regge : Le système a découvert des modèles entre la masse et le spin des particules, correspondant aux observations expérimentales, encore une fois sans qu’il soit demandé de rechercher ces relations.
Pourquoi c’est important
La capacité de l’IA à reconstruire la physique centrale à partir de données brutes est importante car le modèle standard lui-même était une réalisation monumentale. Cela a nécessité des décennies de perspicacité théorique, d’expérimentation et d’innovation mathématique. Le fait qu’une IA relativement simple puisse arriver aux mêmes conclusions suggère que cette technologie pourrait accélérer la découverte scientifique.
Les implications sont larges :
- Reconnaissance de modèles : L’IA peut analyser de vastes ensembles de données à la recherche de modèles que les humains pourraient manquer.
- Nouvelle physique : Le système pourrait identifier des structures jusqu’alors méconnues qui pointent vers une physique au-delà du modèle standard.
- Outil de validation : L’IA peut servir de méthode de vérification indépendante pour les théories existantes, renforçant ainsi la confiance dans les connaissances établies.
Méthodologie et résultats
L’équipe NYUAD a utilisé des techniques standard d’apprentissage automatique non supervisé : analyse en composantes principales, intégration de voisins stochastiques distribués en T et algorithmes de clustering. L’IA ne disposait d’aucune connaissance théorique préalable des outils mathématiques utilisés à l’époque. Cela signifie que les modèles découverts provenaient uniquement de la structure sous-jacente des données expérimentales.
“Le fait qu’il s’agisse d’outils relativement standards en apprentissage automatique rend la profondeur des structures physiques qu’ils ont découvertes d’autant plus significative.”
L’étude fait écho à des résultats similaires en chimie, où l’IA avait précédemment reconstruit le tableau périodique des éléments à partir de données sur l’environnement atomique. Cela suggère une capacité universelle de l’IA à distiller des connaissances scientifiques à partir d’observations brutes dans toutes les disciplines.
Défis actuels et orientations futures
L’équipe de recherche envisage de déterminer si l’IA peut prédire l’existence de quarks en tant qu’éléments constitutifs des hadrons et déduire des symétries de jauge à partir de la théorie quantique des champs. Le but ultime est d’aller au-delà de la reproduction de la physique connue pour identifier des particules entièrement nouvelles ou des symétries cachées.
NYU Abu Dhabi au milieu de l’instabilité régionale
La publication de cette étude coïncide avec la fermeture temporaire des campus de NYU Abu Dhabi en raison des tensions géopolitiques régionales persistantes, notamment le conflit Iran-Israël. Malgré les perturbations, l’université poursuit ses opérations de recherche à distance. L’étude a été achevée avant la fermeture et met en évidence l’engagement continu de l’institution en faveur du progrès scientifique aux Émirats arabes unis.
Conclusion : La capacité de l’IA à redécouvrir de manière indépendante les lois fondamentales de la physique marque une étape cruciale vers l’exploitation de l’apprentissage automatique en tant qu’outil puissant d’exploration scientifique. Cette avancée ouvre la possibilité de découvrir de nouvelles connaissances sur l’univers qui pourraient rester cachées aux seuls chercheurs humains.
