Trong lĩnh vực vật lý hiện đại, trí tuệ nhân tạo (AI) đang nổi lên như một công cụ mạnh mẽ, hỗ trợ các nhà khoa học không chỉ trong việc phân tích dữ liệu phức tạp mà còn trong việc thiết kế các thí nghiệm đột phá. Câu chuyện về Rana Adhikari, nhà vật lý tại Viện Công nghệ California, là một minh chứng điển hình cho sự thay đổi này.
Vào giữa những năm 2000, Adhikari dẫn đầu nhóm tối ưu hóa dự án Đài quan sát Sóng hấp dẫn Giao thoa kế Laser (LIGO). Mục tiêu của họ là tinh chỉnh thiết kế của LIGO, vượt qua mọi giới hạn để tạo ra một cỗ máy có độ nhạy cao hơn. Nhóm của Adhikari đã sử dụng AI, cụ thể là phần mềm do nhà vật lý Mario Krenn phát triển, để thiết kế các thí nghiệm quang học lượng tử.
Ban đầu, AI được cung cấp tất cả các thành phần và thiết bị có thể kết hợp để tạo ra một giao thoa kế phức tạp. Không bị ràng buộc bởi bất kỳ giới hạn nào, AI có thể thiết kế các máy dò trải dài hàng trăm km và bao gồm hàng nghìn bộ phận như thấu kính, gương và laser. Tuy nhiên, thiết kế ban đầu của AI lại gây khó hiểu cho các nhà khoa học. Adhikari mô tả nó là “kỳ quặc”, “quá phức tạp”, “không có cảm giác đối xứng” và “trông giống một mớ hỗn độn”.
Mặc dù vậy, các nhà nghiên cứu vẫn kiên trì phân tích và lọc kết quả của AI để tìm ra những ý tưởng có giá trị. Cuối cùng, họ nhận ra rằng cỗ máy này sử dụng một mẹo “ngược đời” để đạt được mục tiêu: thêm một vòng dài 3 km giữa giao thoa kế chính và máy dò, cho phép ánh sáng tuần hoàn trước khi thoát khỏi cánh tay của giao thoa kế. Nhóm của Adhikari nhận ra rằng AI có thể đang sử dụng một số nguyên tắc lý thuyết mà các nhà vật lý Nga đã đề xuất từ nhiều thập kỷ trước để giảm nhiễu cơ học lượng tử, một ý tưởng chưa từng được thử nghiệm trong thực tế. Nếu thiết kế của AI có sẵn khi LIGO được xây dựng, độ nhạy của LIGO có thể đã tốt hơn khoảng 10-15%.
Không chỉ giúp thiết kế thí nghiệm, AI còn chứng tỏ khả năng tìm ra các mô hình có ý nghĩa trong dữ liệu phức tạp. Ví dụ, một thuật toán AI đã phát hiện ra đối xứng tự nhiên từ dữ liệu thu thập tại Máy gia tốc hạt lớn ở Thụy Sĩ, một yếu tố then chốt đối với thuyết tương đối của Einstein. Các nhà vật lý cũng đang sử dụng AI để tìm ra các phương trình mới mô tả sự tích tụ vật chất tối trong vũ trụ.
Một ví dụ khác về sức mạnh của AI trong thiết kế thí nghiệm đến từ nhóm của Krenn. Năm 2021, họ bắt đầu sử dụng phần mềm PyTheus để thiết kế các thí nghiệm quang học mới. Họ biểu thị thí nghiệm bằng đồ thị toán học, với các nút và cạnh đại diện cho các khía cạnh khác nhau của thí nghiệm. Thuật toán này liên tục sửa đổi các tham số của đồ thị để tạo ra trạng thái lượng tử mong muốn.
Soren Arlt, một sinh viên của Krenn, đã thu được một cấu hình thí nghiệm không thể nhận ra, khác hoàn toàn so với thiết kế năm 1993 của học giả Nobel Anton Zeilinger. Thuật toán này đã mượn ý tưởng từ một lĩnh vực nghiên cứu riêng biệt gọi là giao thoa nhiều photon, từ đó tạo ra một cấu hình đơn giản hơn so với thí nghiệm của Zeilinger. Một nhóm nghiên cứu ở Trung Quốc, do Xiao-Song Ma của Đại học Nam Kinh đứng đầu, đã tiến hành thí nghiệm thực tế và nhận thấy nó hiệu quả như mong đợi.
Trong lĩnh vực phân tích kết quả thí nghiệm, Kyle Cranmer, nhà vật lý tại Đại học Wisconsin-Madison, và các cộng sự đã sử dụng mô hình học máy để dự đoán mật độ của các khối vật chất tối trong vũ trụ. Hệ thống này đã đưa ra một công thức mô tả mật độ khối vật chất tối phù hợp với dữ liệu hơn so với công thức do con người tạo ra.
Những ví dụ này cho thấy AI đang ngày càng trở thành một công cụ không thể thiếu trong vật lý học, giúp các nhà khoa học khám phá những bí ẩn của vũ trụ một cách hiệu quả hơn. Mặc dù AI chưa dẫn đến những khám phá mang tính cách mạng, nhưng tiềm năng của nó trong việc thúc đẩy các nghiên cứu khoa học là vô cùng lớn.
Admin
Nguồn: VnExpress
