博客專欄

EEPW首頁(yè) > 博客 > 給GNN一堆數(shù)據(jù),它自己發(fā)現(xiàn)了萬(wàn)有引力定律

給GNN一堆數(shù)據(jù),它自己發(fā)現(xiàn)了萬(wàn)有引力定律

發(fā)布人:機(jī)器之心 時(shí)間:2022-03-08 來(lái)源:工程師 發(fā)布文章

如果牛頓沒(méi)被蘋(píng)果砸中,GNN 和符號(hào)回歸也能發(fā)現(xiàn)萬(wàn)有引力定律?


機(jī)器學(xué)習(xí) (ML) 推動(dòng)了科學(xué)的巨大進(jìn)步,從粒子物理學(xué)到結(jié)構(gòu)生物學(xué)再到宇宙學(xué),機(jī)器學(xué)習(xí)能夠在大型數(shù)據(jù)集中學(xué)習(xí)特征,對(duì)不同的對(duì)象進(jìn)行分類(lèi),并執(zhí)行參數(shù)推斷,以及更具開(kāi)創(chuàng)性的應(yīng)用,例如自回歸語(yǔ)言模型、預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu),以及蛋白質(zhì)功能預(yù)測(cè)。
機(jī)器學(xué)習(xí)強(qiáng)大的學(xué)習(xí)能力,我們不禁會(huì)問(wèn),機(jī)器學(xué)習(xí)能否僅僅通過(guò)觀察我們的太陽(yáng)系來(lái)重新發(fā)現(xiàn)萬(wàn)有引力定律?
牛頓的萬(wàn)有引力定律指出,兩個(gè)質(zhì)點(diǎn)彼此之間相互吸引的作用力,是與它們的質(zhì)量乘積成正比,并與它們之間的距離成平方反比。它是經(jīng)典力學(xué)的一部分,是在 1687 年于《自然哲學(xué)的數(shù)學(xué)原理》中首次發(fā)表的,并于 1687 年 7 月 5 日首次出版。

圖片


近日來(lái)自薩塞克斯大學(xué)、倫敦大學(xué)學(xué)院等機(jī)構(gòu)的研究者在論文《 Rediscovering orbital mechanics with machine learning 》中對(duì)上述問(wèn)題進(jìn)行的解答,他們的回答是:可以。

圖片

論文作者之一 Miles Cranmer 推特截圖
具體而言,該研究提出了一種采用機(jī)器學(xué)習(xí)方法,通過(guò)觀察自動(dòng)發(fā)現(xiàn)實(shí)際物理系統(tǒng)的控制方程和隱藏屬性。研究者訓(xùn)練了一個(gè)圖神經(jīng)網(wǎng)絡(luò),通過(guò) 30 年的軌跡數(shù)據(jù)來(lái)模擬太陽(yáng)系的太陽(yáng)、行星和大型衛(wèi)星的動(dòng)力學(xué)。然后,他們使用符號(hào)回歸來(lái)發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)隱式學(xué)習(xí)的力學(xué)定律解析表達(dá)式,結(jié)果表明表達(dá)式等效于牛頓萬(wàn)有引力定律。

圖片


論文地址:https://arxiv.org/pdf/2202.02306.pdf
該研究分為兩個(gè)階段:第一階段的學(xué)習(xí)模擬器基于圖網(wǎng)絡(luò) (GN),圖網(wǎng)絡(luò)是一種深度神經(jīng)網(wǎng)絡(luò),可以通過(guò)訓(xùn)練來(lái)逼近圖上的復(fù)雜函數(shù)。在這里,太陽(yáng)系的太陽(yáng)、行星和衛(wèi)星的(相對(duì))位置和速度被表示為輸入圖的節(jié)點(diǎn),而天體之間可能的物理交互(例如力)被表示為圖的邊。該研究將基于 GN 的模擬器與 30 年來(lái)觀測(cè)到的太陽(yáng)系軌跡進(jìn)行了擬合。
在第二階段,該研究分離邊函數(shù)(edge function),并應(yīng)用符號(hào)回歸擬合邊函數(shù)的解析公式,其最好的擬合是對(duì)牛頓萬(wàn)有引力定律的擬合。然后,該研究使用已發(fā)現(xiàn)的方程重新擬合未觀察到的(相對(duì))天體質(zhì)量,并找到了與天體真實(shí)質(zhì)量幾乎完美的擬合。之后研究者可以使用發(fā)現(xiàn)的方程和重新學(xué)習(xí)的質(zhì)量來(lái)模擬太陽(yáng)系動(dòng)力學(xué),并獲得與真實(shí)觀察到的軌跡非常接近的對(duì)應(yīng)關(guān)系。
下圖為太陽(yáng)、水星、金星、地球和火星的示意圖,以及學(xué)習(xí)模擬器使用的相應(yīng)圖結(jié)構(gòu)。圖的節(jié)點(diǎn)代表天體,邊的亮度與它們之間的引力相互作用的強(qiáng)度成正比。 

圖片


數(shù)據(jù)與模型
數(shù)據(jù):符號(hào)回歸研究歷來(lái)都專注于玩具(toy)模擬,但是現(xiàn)實(shí)世界的數(shù)據(jù)充滿了混亂,包括噪音、信息丟失、未知的物理常數(shù)等。因此該研究直接從對(duì)太陽(yáng)系的觀察中重新發(fā)現(xiàn)軌道力學(xué)。
該研究基于 NASA Horizons 的星歷表 (Ephemeris)數(shù)據(jù)開(kāi)發(fā)了一個(gè)訓(xùn)練數(shù)據(jù)集,數(shù)據(jù)集包括太陽(yáng)系中質(zhì)量超過(guò) 10^18 kg 的 31 個(gè)天體:太陽(yáng)、行星、冥王星和一系列衛(wèi)星。訓(xùn)練數(shù)據(jù)來(lái)自 1980 年到 2010 年的 30 年期間的數(shù)據(jù),驗(yàn)證集來(lái)自 2010-2013 年的數(shù)據(jù)。
模型:模型是基于 Battaglia 等人在 2018 年提出的交互網(wǎng)絡(luò)(Interaction Network)的圖神經(jīng)網(wǎng)絡(luò) (GNN)。GNN 非常適合物理數(shù)據(jù)集:它們通過(guò)消息傳遞顯式地處理對(duì)象(節(jié)點(diǎn))之間的交互,并允許研究者輕松地將對(duì)稱(如置換、平移和旋轉(zhuǎn)等)嵌入到網(wǎng)絡(luò)中。
GNN 的唯一輸入是天體在給定時(shí)刻的位置和速度,以及學(xué)習(xí)參數(shù)。通過(guò)訓(xùn)練 GNN 來(lái)預(yù)測(cè)每個(gè)天體的加速度,模擬系統(tǒng)的動(dòng)力學(xué),以及天體的質(zhì)量。

圖片


蒸餾符號(hào)規(guī)則
接下來(lái),研究者希望找出 GNN 實(shí)際學(xué)會(huì)了哪些規(guī)則來(lái)預(yù)測(cè)這些動(dòng)態(tài)。將模型壓縮為一組符號(hào)規(guī)則也可以提高泛化能力。
為此,該研究使用符號(hào)回歸擬合 GNN 消息傳遞模塊的輸入和輸出。符號(hào)回歸是一種機(jī)器學(xué)習(xí)算法,可搜索數(shù)百萬(wàn)個(gè)符號(hào)表達(dá)式以擬合數(shù)據(jù)。該研究使用 PySR 算法 (Cranmer, 2022) 來(lái)完成這項(xiàng)任務(wù),其中用到了一種進(jìn)化算法。
下圖是從已經(jīng)過(guò)學(xué)習(xí)的模擬器中發(fā)現(xiàn)的符號(hào)表達(dá)式,從中可以發(fā)現(xiàn)所有情況下輸出變量都是 F_x,

圖片


更復(fù)雜的表達(dá)式能更準(zhǔn)確地逼近 GNN 的內(nèi)部函數(shù)。然而,人們總是可以在一個(gè)簡(jiǎn)單的表達(dá)式中添加其他項(xiàng)來(lái)提高它的準(zhǔn)確性,所以簡(jiǎn)單性和準(zhǔn)確性是可以權(quán)衡的。該研究使用與 Cranmer 等人 (2020) 相同的分?jǐn)?shù),成功地模擬了牛頓的萬(wàn)有引力定律(如上圖藍(lán)綠色所示)。
然后研究者把這個(gè)已模擬的規(guī)律,放回 GNN 的消息傳遞模塊中,得到的模擬效果如下:

圖片


顯然,性能變好了一些,但仍然不完美,為什么?
為了解決這個(gè)問(wèn)題,研究者首先比較了每個(gè)天體的算法估計(jì)質(zhì)量與真實(shí)質(zhì)量(歸一化到太陽(yáng)的質(zhì)量范圍內(nèi)):

圖片


與每個(gè)天體的真實(shí)質(zhì)量相比,模型估計(jì)的質(zhì)量偏差很大,有時(shí)甚至相差幾個(gè)數(shù)量級(jí)。
雖然 GNN 中的消息傳遞函數(shù)能夠很好地近似牛頓萬(wàn)有引力定律,但并不能完全精準(zhǔn)地?cái)M合。神經(jīng)網(wǎng)絡(luò)可以高度學(xué)習(xí)非線性函數(shù),但這些質(zhì)量參數(shù)可能對(duì) GNN 來(lái)說(shuō)是良好輸入,卻不是 GNN 符號(hào)版本的最佳輸入。
因此,該研究決定通過(guò)固定的符號(hào)表達(dá)式重新擬合質(zhì)量參數(shù),這種改進(jìn)確實(shí)產(chǎn)生了更好的效果:

圖片


此時(shí),模型重新估計(jì)的天體質(zhì)量和真實(shí)質(zhì)量的比較結(jié)果如下圖所示:

圖片


改進(jìn)之后,模型估計(jì)的天體質(zhì)量幾乎完全匹配真實(shí)質(zhì)量。為了解釋這一點(diǎn),研究者認(rèn)為需要做的是證明該算法的有效性。
我們知道,天體的質(zhì)量只影響它對(duì)其他天體的引力,例如如果地球變成兩倍大,月球軌道會(huì)受到很大影響,但地球環(huán)繞太陽(yáng)的軌道會(huì)保持不變。對(duì)于像 Phoebe、Hyperion 和 Nereid 這樣的天體,由于它們是非常小的衛(wèi)星,對(duì)其他天體軌跡的影響可以忽略不計(jì)。因此,只要它們的質(zhì)量很小就不會(huì)以任何方式影響系統(tǒng)。為了證實(shí)這一理論,研究者估計(jì)了每個(gè)天體對(duì)其他天體的引力影響,并聯(lián)合質(zhì)量估計(jì)的誤差作圖。

圖片


從上圖可以發(fā)現(xiàn),兩者之間存在明顯的負(fù)相關(guān),這意味著一個(gè)天體對(duì)其他天體的引力影響越小,質(zhì)量估計(jì)的效果就越差。這也就解釋了該算法如何一步步地成功學(xué)習(xí)了萬(wàn)有引力定律和預(yù)估天體質(zhì)量。
原文鏈接:https://astroautomata.com/paper/rediscovering-gravity/


*博客內(nèi)容為網(wǎng)友個(gè)人發(fā)布,僅代表博主個(gè)人觀點(diǎn),如有侵權(quán)請(qǐng)聯(lián)系工作人員刪除。

脈寬調(diào)制相關(guān)文章:脈寬調(diào)制原理
矢量控制相關(guān)文章:矢量控制原理


關(guān)鍵詞: AI

相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉