摘要：在以往的历史长河中，发现物理规律是物理学家的专利，普通人无法染指。而物理规律的发现，又极端消耗科学家，一个重大物理规律的总结，可能就是一个物理学家的一生。那在人工智能发展起来后，是否能用AI去发现物理规律呢？还真有科学家这样做了，并且是中国的科学家。

在以往的历史长河中，发现物理规律是物理学家的专利，普通人无法染指。而物理规律的发现，又极端消耗科学家，一个重大物理规律的总结，可能就是一个物理学家的一生。那在人工智能发展起来后，是否能用AI去发现物理规律呢？还真有科学家这样做了，并且是中国的科学家。

权威期刊《自然·机器智能》10月刊封面文章《Discovering space physics formulas with AI》，就介绍了这么一项技术，这是丘成桐领衔下，清华大学丘成桐数学科学中心副教授周源与清华大学智能产业研究院、电子工程系副教授马剑竹合作，做出的一个成果。具体来说是：能够从观测数据中自动推导出空间物理规律的神经符号模型——PhyE2E（Physics End-to-End Symbolic Regression Framework）。所以这也是一个国产AI项目。

该系统将大语言模型与物理知识相结合，能端到端生成、分解并优化物理公式。利用该模型，研究团队已在太阳黑子强度预测、太阳自转角速度测算、发射线贡献函数分析、近地等离子体压力监测以及月潮等离子体信号等研究上取得成果。并且与实验数据高度吻合，还颠覆了NASA于1993年提出的太阳活动公式。

当然我们普通公众期待的，肯定不是这些具体细分领域的“AI物理学”，我们期待的可能是像杨振宁“标准模型”那样，能在宇宙大统一理论上做出贡献的AI。目前人类科技的发展，隐隐已经到达了一个瓶颈。究其背后原因，是基础物理学已经很久没突破了，现在所有技术的物理基础，基本都是20世纪甚至19世纪提出的。

如果科技想往前更进一步，那物理基础理论上必须有大突破，而物理理论的总结，可以说是思维的最高结晶，但人类这个脑袋，已经用了几万甚至几十万年了，其硬件方面的突破过于缓慢，是否能进一步理解宇宙奥秘，以及以什么样的形式发现并描述宇宙奥秘，也是一个问题。而AI的发展，可以说很好弥补了这个空白。

丘成桐领衔这个PhyE2E项目，说是可以利用神经网络的二阶导数矩阵，分析变量间的非线性耦合关系。当模型检测到某些变量之间的二阶偏导接近于零时，便可判断它们在物理规律中相互独立，从而将复杂方程分解为若干可独立求解的子式。通过这一数学机制，模型能够在不依赖具体公式结构的情况下，自动识别物理变量之间的结构化关系。也就是说，这个模型具备从复杂变量之间，总结其内部规律的作用。

事实上你看，PhyE2E这个项目，是丘成桐这样的数学家领衔的，而不是物理学家领衔的，它更像是数学技术上的一个突破。事实上每次物理学重大突破，也都是数学某个领域的应用。比如牛顿力学的提出，是对微积分的应用；而相对论的提出，是对黎曼几何的应用。但要在物理现象和数学之间建立关系，这并不是一件容易的事儿。牛顿独立发明了微积分，但爱因斯坦则是自学了黎曼几何才提出了广义相对论。在科研分工越来越细的今天，一个人既要精通物理又要精通数学，难度实在太高了。这中间也为“AI物理学家”的存在，提供了可能的空间。

希望丘成桐领衔清华大学做的这个PhyE2E，能批量生产物理规律，进而批量斩获诺贝尔奖。到那个时候，大家可能才能意识到，这个PhyE2E的含金量！

来源：科工洞洞拐一点号