就在剛剛，AI又將物理學，推動到了全新的領(lǐng)域。

來自馬克斯·普朗克光科學研究所（MPL）、加州理工等機構(gòu)的科學家發(fā)現(xiàn)，AI已經(jīng)設(shè)計出了人類尚未理解的引力波探測工具。

這一發(fā)現(xiàn)，直接將可觀測的宇宙體積擴大了50倍！

此外，這次人類研究者，還發(fā)現(xiàn)了全新的物理思想的核心。這種方法很容易擴展到AI驅(qū)動的實驗設(shè)計，跨越基礎(chǔ)物理的廣泛領(lǐng)域，為宇宙打開新窗口。

這項研究，已經(jīng)發(fā)表于「Physical Review X」上。

論文地址：https://journals.aps.org/prx/pdf/10.1103/PhysRevX.15.021012

一百多年前，愛因斯坦就設(shè)想出了引力波這個概念，但直到2016年，這項技術(shù)才終于趕上。

十一年后，人類科學家再次突破引力波的界限，這次，是在一個名為Urania的人工智能的幫助下。

最令人著迷的就是，在這個過程中，AI不僅復制了已知策略，還發(fā)明了一些全新的策略，完全超出了現(xiàn)有概念，讓目前的人類遠遠無法理解。

現(xiàn)在，這些設(shè)計已經(jīng)在「Detector Zoo」公開，供全球研究使用。

領(lǐng)導這項研究的Mario Krenn表示，如今，AI已經(jīng)可以在科學領(lǐng)域發(fā)現(xiàn)超人類的全新解決方案了，而我們?nèi)祟愃龅?，就是盡量去理解，AI為什么要這樣做。

2025年的AI，讓百年前的愛因斯坦圓夢

一百多年前，愛因斯坦預測了引力波的存在——這是一種時空結(jié)構(gòu)中的漣漪。

圖源：國家地理

但直到2016年，LIGO（激光干涉引力波天文臺）團隊開發(fā)出了高度復雜的探測器，才讓科學家得以直接探測到引力波。

LIGO觀測到的首個引力波插圖：LIGO Hanford（橙色）和LIGO Livingston（藍色）探測到的波形，疊加在合并黑洞的插圖下方

而這次，MPL人工科學家實驗室負責人Mario Krenn博士和LIGO的研究者合作，共同開發(fā)了一種名為Urania的AI算法，直接將探測器設(shè)計提升到了一個全新的水平！

在以前，設(shè)計這些探測器是一項極其復雜的任務(wù)，涉及到對布局和許多具體參數(shù)的微調(diào)。

這次，團隊設(shè)想：能否將其轉(zhuǎn)化為一個連續(xù)優(yōu)化問題，使用機器學習方法來解決？

結(jié)果，AI給出的答案，讓他們喜出望外！

它給出了一系列全新的實驗設(shè)計，其中的許多設(shè)計，甚至超越了為下一代探測器提出的最佳概念。

其中有些設(shè)計，可以將靈敏度提高到十倍以上，大幅擴展人類能探測到的引力波信號范圍。

所有實驗配置的抽象空間。這個空間包含了所有可能的實驗設(shè)置，包括那些具有特殊屬性、能夠探測引力波的配置（以星號表示）。在這個空間中，人類研究者已經(jīng)發(fā)現(xiàn)了許多令人興奮的設(shè)計（橙色），然而部分有用但不正統(tǒng)的設(shè)計可能無法通過這種方式被發(fā)現(xiàn)。此時，基于AI人的設(shè)計可能會有所幫助（紫色）

AI的想法：非傳統(tǒng)，且富有創(chuàng)意

在AI提出算法的解決方案中，研究者對于許多已知的技術(shù)，又有了全新的認識。

而它提出的非傳統(tǒng)的設(shè)計，則會重塑物理學家對探測器技術(shù)的理解。

MPL研究組組長Mario Krenn博士表示，開發(fā)了這種AI算法后，他們用了大約兩年的時間，發(fā)現(xiàn)了幾十種全新的解決方案。

這些新方案，似乎都無一例外都比人類科學家的實驗藍圖要更好。

我們問自己，與機器相比，人類到底忽略了什么。

為了理解這些AI發(fā)現(xiàn)所包含的技巧、想法和技術(shù)，研究者擴展了他們的方法。

然而，其中許多對他們來說，仍然是完全陌生的。

為了集思廣益，現(xiàn)在他們在「Detector Zoo」中，將50種表現(xiàn)最佳的設(shè)計匯編 在一起，希望廣大科學家能共同展開進一步的探究。

我們正處于一個機器可以在科學領(lǐng)域發(fā)現(xiàn)新的超人類解決方案的時代，而人類的任務(wù)，就是理解機器所做的事情。這無疑將成為未來科學的重要組成部分。

論文解讀

引力波是由兩個劇烈的高能天體物理現(xiàn)象（比如兩個黑洞或超新星的碰撞），在時空中產(chǎn)生的漣漪。

引力波的發(fā)現(xiàn)，為觀察宇宙中的現(xiàn)象打開了新的窗口。它獨立于電磁波、中微子或重粒子，并且為多信使天體物理學開辟了全新領(lǐng)域。

而目前一代的引力波（GW）探測器，包括先進激光干涉引力波天文臺（aLIGO）、Virgo、上野引力波探測器（KAGRA）和GEO600探測器，都采用了光學干涉技術(shù)，能夠檢測時空的扭曲。

LIGO的拓撲結(jié)構(gòu)及當前和未來升級的靈敏度

目前，這些探測器的全部架構(gòu)和拓撲結(jié)構(gòu)，都是由人類研究者設(shè)計的，有時還會通過小規(guī)模的計算優(yōu)化個別光學參數(shù)（例如尋找理想的激光功率、鏡面反射率和相位、g因子或腔長）。

不過，馬普所團隊發(fā)現(xiàn)，還有一個極其龐大的實驗拓撲空間，是人類研究者尚未探索過的。

這就意味著，存在大量未被探索的引力波探測器配置，不僅超越了當前設(shè)計，還能提高全新的實驗概念和創(chuàng)意！

而在這次實驗中，研究者就采用了AI方法，將離散的（因此計算困難的）拓撲發(fā)現(xiàn)問題重新表述為一個可處理的連續(xù)優(yōu)化問題，即為引力波探測器設(shè)計通用干涉儀（UIFO）。

他們發(fā)現(xiàn)，AI設(shè)計的一些新的拓撲結(jié)構(gòu)，在現(xiàn)實實驗約束下，要優(yōu)于當前的下一代設(shè)計。

數(shù)學發(fā)現(xiàn)方法

巨大的拓撲搜索空間

僅用一束激光、十個光學元件（如鏡子或分束器）和兩個探測器，研究者就能構(gòu)建超過一億種獨特的配置。

此外，每一種配置都有一個巨大的連續(xù)搜索空間。

因此，尋找新的引力波探測器，本質(zhì)上就是一個在極高維度空間中的搜索問題。

在通用干涉儀中表示引力波探測器

為了將主要是離散的搜索問題，轉(zhuǎn)化為一個純粹的連續(xù)優(yōu)化問題，研究者發(fā)明了一個準通用干涉儀。

通用干涉儀（UIFO）的靈感，來自神經(jīng)網(wǎng)絡(luò)的通用函數(shù)逼近概念，它是一個高度表達能力的、參數(shù)化的光學干涉儀。

在構(gòu)造UIFO時，通過設(shè)置合適的參數(shù)，可以獲得不同的拓撲結(jié)構(gòu)；比如，我們可以在圖1(c)中，編碼下一代LIGO Voyager的設(shè)計圖。

天體物理設(shè)計目標

在這個實驗中，研究者的目標，就是找到更高靈敏度的全新引力波探測器。

因此，他們需要找到UIFO的精確參數(shù)設(shè)置。

他們搜索了一個寬頻帶探測器，頻率范圍為20–5000 Hz，用于檢測如雙黑洞合并等通用來源。

另一個目標，是在低頻范圍內(nèi)尋找高靈敏度設(shè)計，范圍為10–30 Hz，這一范圍是來自宇宙中最早恒星的黑洞合并信號的預期頻段。

此外，他們還在尋找用于超新星爆炸的探測器，這些信號預期在200–1000 Hz范圍內(nèi)。

引力波探測器的計算模擬

為了計算UIFO設(shè)置的性能，研究者使用了PYKAT，這是一個FINESSE的PYTHON接口。

FINESSE是一個開源的干涉儀仿真程序。

研究者在滿足參數(shù)（如鏡面反射率的最大值）和全局約束（如通過光學元件的最大激光功率）等物理約束的同時，試著將靈敏度最大化。

在目標頻率范圍的100個離散步長上，研究者計算了應(yīng)變靈敏度，定義為光學響應(yīng)與讀出噪聲的比值。參數(shù)約束使用與LIGO Voyager設(shè)計中相同的約束。

全局設(shè)計約束作為懲罰項加入計算目標函數(shù)中，防止光學元件傳輸?shù)墓夤β蔬^大，或在光子探測器上的光學功率過大。

AI立大功：全局優(yōu)化算法Urania誕生！

研究者成功開發(fā)出了一個AI——Urania。

它是一種高度并行的混合局部-全局優(yōu)化算法，如下圖所示。

它會啟動1000個并行的局部優(yōu)化任務(wù)，使用改進版的BFGS算法，來最小化目標函數(shù)。

BFGS是一種高效的梯度下降優(yōu)化器，能夠近似求解逆海森矩陣。

對于每個局部優(yōu)化，Urania會根據(jù)Boltzmann分布，從池中選擇一個目標。找到更優(yōu)設(shè)置時，就會用新方案替代舊方案。

最終，這個AI成功地完成了復雜搜索空間中的導航，并且發(fā)現(xiàn)了總共50個超越人類最佳拓撲設(shè)計的方案！

令人驚訝的是，這些方案并不是持續(xù)改進的，而是經(jīng)歷了相變。在某些時段改進不明顯，在一些時段AI則效率極高。

具體來說，這50種優(yōu)于優(yōu)化版aLIGO基準的UIFO配置中，包括6種寬帶解決方案，7種適用于宇宙學窗口的解決方案，3種適用于超新星窗口的解決方案，其余的34種則用于分析中子星合并后的物理過程。

在下圖中，展示了這四個頻率范圍內(nèi)最佳解決方案的結(jié)果。

與原始LIGO Voyager基線相比，最大靈敏度分別提高了6.8、9.5、5.0和9.0。

而在雙中子星合并的預期頻率范圍最佳方案中，平均靈敏度提升了4.1倍，可使觀測率提高驚人的68.7倍！

AI，創(chuàng)造全新物理學

最后，研究者們總結(jié)道：未來的研究可以集中在創(chuàng)建自動微分仿真器，類似于神經(jīng)網(wǎng)絡(luò)計算中的仿真器，或者開發(fā)基于神經(jīng)網(wǎng)絡(luò)的替代模型，以高效地逼近物理仿真器。

最令人興奮的是，這種方法并不僅限于引力波物理學！

由于這種計算框架的普適性，以及以及基礎(chǔ)物理學是由二階微分方程支配的，這項技術(shù)還可以直接擴展到（量子增強）光學、機械學、電子學或液壓設(shè)計等領(lǐng)域。

無論是應(yīng)用還是基礎(chǔ)科學中的全新硬件設(shè)計，前景都會更令人興奮，包括暗物質(zhì)探測器、暗能量探測器和量子引力探測。

從此，在AI的幫助下，人類將擁有全新的途徑，去觀察這個宇宙。