моделирование физики с помощью нейронных сетей

Алмаз — не просто украшение. Внутри его кристаллической решётки прячутся дефекты, которые чувствуют магнитное поле лучше многих приборов. Один такой дефект — NV-центр — работает как крошечный компас, но его стрелка колеблется от тепла и шума. Чтобы компас показывал точное направление, нужна калибровка.

Если залить мёд в дуршлаг с сотней мелких отверстий, он будет стекать тонкими струйками, но каждую струйку закрутит вокруг края дырки. Инженерам важно понимать такие завихрения: они влияют на то, как быстро фильтруется вода, как нефть выходит из пласта или как лекарство просачивается сквозь ткани. Но чем больше дырок, тем сложнее компьютеру рассчитать каждую мелочь у края.

В тёмной комнате звучит музыка. По полу рассыпана пудра — мелкая, почти невидимая. Низкие частоты заставляют её собираться в причудливые узоры: нити, сгустки, пустоты. Примерно так же гравитация за миллиарды лет сплетает галактики в космическую паутину — только вместо звуковых волн здесь работает притяжение.

Восемь ярких точек на радионебе. Это один и тот же квазар HS 0810+2554, чей свет прошёл сквозь гравитационную линзу — массивную галактику на переднем плане. Но обычное объяснение с гладким распределением тёмной материи в линзе оставляет зазор: предсказанные положения точек расходятся с наблюдениями на несколько миллисекунд дуги.

Многие природные процессы описываются дифференциальными уравнениями, но в распоряжении учёных часто оказываются лишь фрагментарные данные — своего рода обрывки карты. Новый вычислительный метод работает как картограф, восстанавливающий целостную карту местности по немногим ориентирам.

Когда звезда-исполин схлопывается в сверхновую или два нейтронных шара сливаются в космическом танце, триллионы нейтрино уносят энергию катаклизма.

DFTB — это скоростной поезд в мире квантовой химии: в сотни раз быстрее классического DFT, но всё ещё на электронных рельсах. Однако его двигатель — итеративное самосогласование зарядов — порой напоминает оркестр, где каждый инструмент начинает с произвольной ноты.

Число −0.000459 — не случайный гость в уравнении Блазиуса. Это коэффициент при η⁵, определяющий пограничный слой на плоской пластине — тонкий шепот трения воздуха по металлу. Обычные численные методы вроде Рунге-Кутты выдают лишь приблизительную кривую. Физически-информированные нейросети (PINN) пытаются угадать решение целиком. Часто — безуспешно.

Когда массивная звезда исчерпывает топливо, её ядро коллапсирует, порождая сверхновую и испуская всепроникающий ливень нейтрино.

Обычные нейросети учатся на примерах, как человек, заучивающий мелодии на слух: они накапливают статистические закономерности, но не понимают глубинных правил. Иной подход — физически-информированные нейронные сети, в архитектуру которых изначально встроены фундаментальные законы физики, такие как уравнения сохранения энергии или уравнения движения.

Нейрон похож на электрическую цепь с батарейками и переменными резисторами. Роль резисторов играют ионные каналы — белковые поры в мембране, которые открываются и закрываются, пропуская заряженные частицы. От того, как быстро и при каком напряжении срабатывают эти поры, зависит, родится ли нервный импульс.

Две сверхплотные звезды кружатся друг вокруг друга и в конце концов сталкиваются. Этот танец длится мгновения, но порождает мощную рябь в пространстве — гравитационные волны. После слияния остается быстро вращающийся сгусток, который звенит, как колокол, и этот звон несет информацию о том, из чего состояли звезды.

Огромный гараж с сотнями парковочных мест. Вы подъезжаете на крошечной машинке — молекуле будущего лекарства — и хотите найти единственный свободный бокс, куда она встанет как влитая. Только боксы эти не бетонные, а сплетены из цепочек ДНК или РНК, и правил парковки никто не вывесил.

Симфония звучит, но в партитуру вкралась едва заметная фальшивая нота. Примерно так физики ищут отклонения от общей теории относительности в «звуках» Вселенной — гравитационных волнах от слияния чёрных дыр. Эти волны, словно круги на воде от брошенного камня, расходятся по ткани пространства-времени и доходят до детекторов на Земле.

Когда чёрные дыры или нейтронные звёзды сливаются, они возмущают саму ткань пространства-времени, порождая гравитационные волны — рябь, предсказанную ещё Эйнштейном в рамках общей теории относительности.

Фруктовый смузи пробуют через две разные трубочки. Одна пропускает только крупные кусочки, другая — только жидкость. По отдельности ощущения обманчивы, но вместе они дают ключ: вот, кажется, банан, а здесь — клубника.

Обучение точной аэродинамической модели сродни кулинарному искусству: сначала повар осваивает сотни рецептов, чтобы уловить общие принципы, а затем легко доводит до совершенства конкретное блюдо.

Ядро урана напоминает тугой кошелёк, защёлкнутый на две половинки. Чтобы он лопнул и высвободил энергию — то есть чтобы ядро разделилось, — нужно перевалить через энергетический барьер. Высота этого порога определяет, стабильно вещество или готово распасться в любой момент.

Нейросеть, натренированная на столкновениях протонов и электронов, перенесла свои навыки на совсем другой эксперимент — ловлю нейтрино. Словно повар, который учился готовить французскую кухню, а потом без подготовки испёк отличный узбекский плов.

В облаке тысячи крошечных капель воды висят в воздухе. Чтобы пошёл дождь, им нужно вырасти: слипнуться в большие капли и стать достаточно тяжёлыми, чтобы упасть на землю. Но как именно капли находят друг друга в огромном облаке? Учёные создали компьютерную модель, которая следит за каждой каплей отдельно — как будто у каждой есть свой маленький датчик.

Сейсмологи слушают Землю, как врач слушает сердце. Поверхностные волны от землетрясений расходятся по планете, и по их скорости можно судить о том, что скрыто под ногами — твёрдая порода, расплав или вода. Обычно для этого строят сложные физические модели.

В недрах каждого жёсткого диска или флешки прячется материал, который умеет «запоминать» электрическое поле. Такой материал называют сегнетоэлектриком. Если приложить к нему напряжение, внутри кристалла развернутся крошечные области — домены, как стрелки компаса. Повернул стрелку — записал единицу, повернул обратно — ноль.

Обычная модель машинного обучения смотрит на один объект за раз: один мозг, один пациент, один двигатель. Но биологам нужно общее: как устроен мозг вида в целом, а не только конкретной рыбки. Новый метод — глубокий вероятностный синтез моделей (DPMS) — учится сразу на множестве экземпляров, как повар, который пробует десятки яблок, чтобы понять вкус сорта, а не одного плода.

В классической батарейке электролит жидкий, и заряженные частицы — ионы — движутся в нём свободно, почти как пловцы в открытом бассейне. В твердотельной версии электролит заменён на твёрдый материал, и ионам приходится протискиваться сквозь атомные «коридоры», словно пешеходам в узких переходах в час пик.

Кусок ядерного топлива внутри реактора — это не просто твёрдое тело. При нагреве атомы урана в нём начинают «шевелить» своими магнитными моментами, и это движение меняет теплопроводность и другие свойства.

Солнечные пятна — это следы магнитных полей, которые выходят на поверхность. Они живут своей жизнью: пятна, появившиеся ближе к экватору, наклоняются сильнее, а те, что дальше, — слабее. Эти два эффекта, как два регулятора на старом радиоприёмнике, управляют тем, сколько магнитного поля доберётся до полюсов Солнца и накопится там к следующему циклу.

Каждые несколько лет тёплое течение у берегов Перу сдвигается, и рыбаки остаются без улова. Это Эль-Ниньо, дыхание тропического Тихого океана, которое влияет на погоду от Индонезии до Калифорнии. Предсказать его появление так же трудно, как предсказать, куда покатится камень, брошенный в бурную реку.

Студент выучил физику по учебнику и сдаёт экзамен. Первые две задачи он решает блестяще, а на третьей ошибается в том, чего в учебнике не было. Примерно так выглядит испытание гибридной модели атмосферы NeuralGCM, которую прогнали через три уровня проверки: циклоны, Эль-Ниньо и аномальное потепление.

Подобно тому как вода меняет фазовое состояние — замерзает в лёд или испаряется в пар, — форстерит, ключевой минерал земной мантии, под давлением в сотни тысяч атмосфер пересобирает свою кристаллическую решётку.

Звёзды на окраинах галактик вращаются быстрее, чем предсказывают законы небесной механики, если учитывать только видимую материю — светящиеся газ и звёзды. Этот парадокс обнаружили в XX веке Вера Рубин и Фриц Цвикки, измеряя скорости звёзд по доплеровскому смещению спектральных линий.

Внутри батареи, как в многослойном пироге, соседствуют разные твёрдые слои. Место их встречи — граница — ведёт себя капризно: там концентрируются напряжения, и со временем батарея стареет. Чтобы понять эти процессы, нужны компьютерные модели, которые видят каждый атом. Но точные расчёты слишком дороги, а быстрые — слишком грубы.

В детекторе коллайдера каждое столкновение протонов оставляет след из десятков частиц — как брызги от брошенного в воду камня. Разобраться в этих брызгах и понять, что именно произошло в момент удара, — задача, с которой человек уже не справляется в одиночку.

Когда молекула-гость входит в молекулу-хозяина, это похоже на то, как ключ входит в замок. Но у молекул нет жёсткой формы — они слегка изгибаются, заряды на их поверхности притягиваются или отталкиваются, и угадать, как именно они соединятся, было очень трудно. Программа DeepHostGuest учится на тысячах уже известных пар «хозяин-гость».

Каждую весну прогнозы Эль-Ниньо теряют силу, как переводчик, который отвлекается на каждый шорох в зале и превращает часовое совещание в двухчасовое.

Прогноз климата напоминает сложный кулинарный рецепт: одна неверная щепотка — и всё блюдо испорчено. Так и с облаками — малыми, но решающими ингредиентами. Традиционные климатические модели разбивают атмосферу на ячейки размером 50–100 км и не различают отдельные облака. Это всё равно что сыпать перец горстями, когда рецепт требует аккуратную щепотку.

Переводчик сидит на совещании, где говорят на незнакомом языке. Он не знает слов, но замечает: когда один человек повышает голос, другой через минуту начинает кивать. Сначала это кажется случайностью, но со временем переводчик учится понимать, кто на кого влияет. Примерно так работает алгоритм Kausal, который ищет причинные связи в сложных системах.

Швейцарский нож устроен просто: один корпус, много лезвий, каждое под свою задачу. Достал нужное — и работаешь. В материаловедении графовые нейросети долго напоминали разрозненные инструменты: MEGNet лежал в ящике TensorFlow, M3GNet — в ящике PyTorch, CHGNet — вообще в отдельной коробке со своими скриптами.

Переводчик на конференции слышит шум зала, но продолжает переводить. Он не повторяет каждое слово, а находит промежуточный язык, где сложные фразы становятся простыми, но смысл не теряется. Так работает условная гауссова сеть Купмана: она учит нейросеть переводить хаотическую систему в форму, где прогноз и усвоение данных становятся быстрыми и точными.

Переводчик, который выучил грамматику языка хаоса на учебных примерах, теперь понимает живую речь с её акцентом и шумом. Так работает новый метод KDL: сначала нейросеть тренируется на искусственных данных, порождённых уравнением Льенара, а затем переносится на реальные временные ряды, где экстремальные события редки и непредсказуемы.

Переводчик, выучивший язык по тысячам книг, переводит разговор, не отвлекаясь на шум в зале. Так и нейросеть, обученная на 127 137 годах модельного климата, за доли секунды выдаёт прогноз на зиму — быстрее и точнее, чем громоздкие динамические системы.