埃默里大學的物理學家利用人工智能，在塵埃電漿的研究中取得突破性進展. 這項研究揭示了控制塵埃電漿中非互易力的新物理學，相關成果已發表在《美國國家科學院院刊》(PNAS) 上.
塵埃電漿是由離子氣體和帶電塵埃粒子組成的混合物，廣泛存在於宇宙中，例如土星環和星際空間. 塵埃電漿的研究對於理解行星形成、技術製程以及生命的出現至關重要.
由賈斯汀·伯頓和伊利亞·內門曼教授領導的研究團隊，使用機器學習方法識別了塵埃電漿中的非互易力. 他們開發了一種物理學定制的神經網絡模型，能夠以超過 99% 的準確度描述這些力. 該模型還修正了長期以來關於粒子電荷和力學的一些理論假設. 例如，研究表明，粒子電荷不僅取決於粒子大小，還取決於電漿溫度和密度. 此外，粒子之間的力並非總是隨著距離的增加而穩定減小.
研究人員使用斷層掃描成像技術追蹤塵埃電漿中粒子的三維運動，並利用這些數據訓練人工智能模型. 該模型能夠考慮到內在的對稱性、非相同的粒子以及粒子間的有效非互易力.
這項研究不僅加深了我們對塵埃電漿的理解，也展示了人工智能在科學發現中的潛力. 該框架可以應用於廣泛的多體系統，為理解複雜的物理系統開闢新的途徑.
塵埃電漿的研究在材料科學、奈米技術、天體物理學和太空探索等多個領域都有應用. 例如，它可以應用於合成奈米粒子和沉積薄膜. 此外，對塵埃電漿的理解還可以改進電漿顯示技術，並促進對宇宙的更深入理解.
研究人員希望他們的 AI 方法能夠為探索其他多體系統提供基礎，例如工業材料和生物系統中的複雜交互.