Physiker haben ein maschinelles Lernverfahren eingesetzt, um überraschende neue Aspekte der nicht-reziproken Kräfte in Staubplasmen zu identifizieren. Diese Entdeckung, veröffentlicht in den Proceedings of the National Academy of Sciences, basiert auf einem neuronalen Netzwerkmodell und Daten aus Laborversuchen mit Staubplasma – einem ionisierten Gas, das schwebende Staubpartikel enthält.
Die Forscher entwickelten eine Technik zur dreidimensionalen Verfolgung der Bewegung von Staubpartikeln in einem Laborstaubplasma. Durch Anpassung des Gasdrucks in ihrer Vakuumkammer konnten sie reale Bedingungen nachahmen und das Verhalten dieser Systeme unter verschiedenen Kräften analysieren.
Diese KI-Methoden könnten auf eine Vielzahl komplexer Systeme angewendet werden, von Kolloiden bis hin zu lebenden Organismen, und neue Wege zum Verständnis komplexer physikalischer Systeme eröffnen.
Diese Entdeckung unterstreicht, wie wissenschaftliche Durchbrüche zu positiven Veränderungen und einem tieferen Verständnis der Welt führen können.