Eine interessante Theorie oder völlig aus der Luft gegriffen?
Der Princeton-Physiker Hong Qin entwickelt einen KI-Algorithmus, der Planetenbahnen vorhersagen kann. Der Wissenschaftler stützt seine Arbeit teilweise auf die Hypothese, dass die Realität eine Simulation ist. Der Algorithmus wird derzeit angepasst, um das Verhalten von Plasma vorherzusagen, und kann auch auf andere Naturphänomene angewendet werden.
Ein Wissenschaftler hat einen Computeralgorithmus entwickelt, der zu bahnbrechenden Entdeckungen im Energiebereich führen könnte und dessen bloße Existenz die Wahrscheinlichkeit erhöht, dass unsere Realität tatsächlich eine Simulation sein könnte.
Der Algorithmus wurde von dem Physiker Hong Qin vom Princeton Plasma Physics Laboratory (PPPL) des US-Energieministeriums (DOE) entwickelt.
Der Algorithmus nutzt ein KI-Verfahren namens maschinelles Lernen, das sein Wissen durch Erfahrung automatisch verbessert.
Qin entwickelte diesen Algorithmus zur Vorhersage der Umlaufbahnen von Planeten im Sonnensystem und trainierte ihn mit Daten der Umlaufbahnen von Merkur, Venus, Erde, Mars, Ceres und Jupiter. Die Daten sind »ähnlich denen, die Kepler 1601 von Tycho Brahe geerbt hat«, wie Qin in seinem kürzlich veröffentlichten Papier zu diesem Thema schreibt. Aus diesen Daten kann ein »dienender Algorithmus« andere Planetenbahnen im Sonnensystem korrekt vorhersagen, einschließlich parabolischer und hyperbolischer Fluchtbahnen. Das Bemerkenswerte daran ist, dass er dies tun kann, ohne dass man ihm die Newtonschen Gesetze der Bewegung und der universellen Gravitation erklären muss. Es kann diese Gesetze anhand der Zahlen selbst herausfinden.
Qin passt den Algorithmus jetzt an, um andere Verhaltensweisen vorherzusagen und sogar zu kontrollieren, wobei er sich derzeit auf Plasmateilchen in Anlagen konzentriert, die für die Gewinnung von Fusionsenergie gebaut werden, die die Sonne und Sterne antreibt. Zusammen mit Eric Palmerduca, einem Doktoranden am PPPL (Princeton Plasma Physics Laboratory), setzt Qin seine Technik ein, um »einen effektiven strukturerhaltenden Algorithmus mit Langzeitstabilität zu erlernen, um die Gyrozentrum-Dynamik in magnetischen Fusionsplasmen zu simulieren«, wie er ausführte. Er plant auch, den Algorithmus zur Untersuchung der Quantenphysik einzusetzen.
Physiker Hong Qin mit Bildern von Planetenbahnen und Computercode.
Qin erläuterte den ungewöhnlichen Ansatz seiner Arbeit:
»Normalerweise macht man in der Physik Beobachtungen, erstellt auf der Grundlage dieser Beobachtungen eine Theorie und verwendet diese Theorie dann, um neue Beobachtungen vorherzusagen«, so Qin. »Was ich tue, ist, diesen Prozess durch eine Art Blackbox zu ersetzen, die genaue Vorhersagen machen kann, ohne eine traditionelle Theorie oder ein Gesetz zu verwenden. Im Wesentlichen habe ich alle grundlegenden Bestandteile der Physik umgangen. Ich gehe direkt von Daten zu Daten (…). Es gibt kein Gesetz der Physik in der Mitte.«
Qin wurde teilweise von der Arbeit des schwedischen Philosophen Nick Bostrom inspiriert, der 2003 in einem berühmten Aufsatz behauptete, dass die Welt, in der wir leben, eine künstliche Simulation sein könnte. Qin glaubt, dass er mit seinem Algorithmus ein funktionierendes Beispiel für eine zugrunde liegende Technologie geliefert hat, die die Simulation in Bostroms philosophischem Argument unterstützen könnte.
In einem E-Mail-Austausch mit Big Think bemerkte Qin:
»Was ist der Algorithmus, der auf dem Laptop des Universums läuft? Wenn es einen solchen Algorithmus gibt, würde ich sagen, dass es ein einfacher Algorithmus sein sollte, der auf dem diskreten Raumzeitgitter definiert ist. Die Komplexität und der Reichtum des Universums ergeben sich aus der enormen Speichergröße und CPU-Leistung des Laptops, aber der Algorithmus selbst könnte einfach sein.«
Die Existenz eines Algorithmus, der aus Daten sinnvolle Vorhersagen über Naturereignisse ableitet, bedeutet natürlich noch nicht, dass wir selbst die Fähigkeit haben, die Existenz zu simulieren. Qin glaubt, dass wir wahrscheinlich »viele Generationen« davon entfernt sind, solche Leistungen vollbringen zu können.
Qins Arbeit verfolgt den Ansatz der »diskreten Feldtheorie«, die sich seiner Meinung nach besonders gut für das maschinelle Lernen eignet, während sie für »einen heutigen Menschen« etwas schwierig zu verstehen ist. Er erklärte, dass »eine diskrete Feldtheorie als ein algorithmischer Rahmen mit einstellbaren Parametern betrachtet und der anhand von Beobachtungsdaten trainiert werden kann«. Er fügte hinzu: »Einmal trainiert, wird die diskrete Feldtheorie zu einem Algorithmus der Natur, den Computer ausführen können, um neue Beobachtungen vorherzusagen.«
Qin zufolge widersprechen diskrete Feldtheorien der heute am weitesten verbreiteten Methode zur Untersuchung der Physik, die die Raumzeit als kontinuierlich betrachtet. Dieser Ansatz geht auf Isaac Newton zurück, der drei Ansätze zur Beschreibung der kontinuierlichen Raumzeit erfand, darunter das Newtonsche Bewegungsgesetz, das Newtonsche Gravitationsgesetz und die Infinitesimalrechnung.
Qin glaubt, dass es in der modernen Forschung ernsthafte Probleme gibt, die darauf zurückzuführen sind, dass die Gesetze der Physik, in der kontinuierlichen Raumzeit durch Differenzialgleichungen und kontinuierliche Feldtheorien ausgedrückt werden. Würden die physikalischen Gesetze auf einer diskreten Raumzeit beruhen, wie Qin vorschlägt, könnten »viele der Schwierigkeiten überwunden werden«.
Würde die Welt nach der diskreten Feldtheorie funktionieren, sähe sie aus wie etwas aus »The Matrix«, das aus Pixeln und Datenpunkten besteht.
Qins Arbeit deckt sich auch mit der Logik von Bostroms Simulationshypothese und würde bedeuten, dass »die diskreten Feldtheorien fundamentaler sind als unsere derzeitigen physikalischen Gesetze im kontinuierlichen Raum«. In der Tat schreibt Qin, »müssen unsere Nachkommen die diskreten Feldtheorien natürlicher finden als die Gesetze im kontinuierlichen Raum, die von ihren Vorfahren zwischen dem 17. bis 21. Jahrhundert propagiert wurden.
Hong Qins Artikel zu diesem Thema in Scientific Reports.
BigThing hat dazu ein Video rausgebracht:
Bild- und Textquellen: Übersetzung aus dem Englischen Big Think
Titelbild von Egonetix_xyz auf Pixabay
