AIが奇妙ながらも効果的な物理実験を設計

レーザー干渉計重力波天文台（LIGO）は、精密測定の頂点を象徴しています。ワシントン州とルイジアナ州にそれぞれ4キロメートルのアームを持つ2つの検出器を備えたLIGOは、レーザー光線を使用して、宇宙現象によって引き起こされる時空の微細な波紋、すなわち重力波を検出します。その感度は息をのむほどです。アーム長のプロトン幅以下の変化を記録でき、これはアルファ・ケンタウリまでの距離を人間の髪の毛の幅まで正確に測定するのと同等の精度です。この工学的な偉業は、2015年に最初のブラックホール衝突を検出するまでに20年以上を費やして建設・改良され、人類の根気強い創意工夫によって物理的限界を押し広げました。

LIGOの画期的な発見後、以前検出器最適化チームを率いていたCaltechの物理学者、ラナ・アディカリは、その能力をさらに向上させることを目指しました。彼の目標は、LIGOの周波数検出範囲を広げ、より多様な合体ブラックホールを観測し、これまで全く予期されていなかった天体物理現象を発見することでした。「宇宙が何を生み出すかについて、私たちは何の偏見も持つべきではありません」とアディカリは述べ、新しい発見への願望を強調しました。

この野心的な目標を達成するため、アディカリと彼のチームは人工知能に頼りました。彼らは、もともと物理学者マリオ・クレンが量子光学実験の設計のために開発したソフトウェアスイートを使用し、干渉計として構成できるすべての可能なコンポーネント（レンズ、ミラー、レーザー）の包括的なリストを入力しました。当初、AIの設計は不可解でした。アディカリは「人間には理解できない」ものに見えたと回想し、それらを「異質なもの」または「めちゃくちゃ」であり、人間的な対称性や美しさが全くないと表現しました。

当初の困惑にもかかわらず、研究者たちはAIの出力を洗練させ、そのアイデアを解釈可能にしました。現れたデザインは非常に直感に反しており、アディカリはもし学生が提案していたら「ばかげている」と一蹴していただろうと認めました。しかし、AIの解決策は驚くほど効果的であることが証明されました。数ヶ月にわたる分析の後、チームはAIの論理を理解しました。それは、光が干渉計の主アームを出る前に光を循環させるために、追加の3キロメートル長のリングを追加していたのです。この一見奇妙な追加は、数十年前のロシアの物理学者によって特定された難解な理論原理を活用し、量子力学的なノイズを大幅に低減することが判明しました。これらの原理は、これまで実験的に追求されたことはありませんでした。アディカリは、このAI駆動の洞察が「受け入れられた解決策から大きく逸脱して」考える能力を示していると指摘し、もしLIGOの建設中に利用可能であったなら、観測所の感度を当初から「莫大な」10〜15パーセント向上させることができたはずだと示唆しました。トロント大学の量子光学専門家であるエイフラム・スタインバーグが述べたように、AIはLIGOの設計について数十年にわたる深い考察にもかかわらず、「何千人もの人々ができなかったこと」を達成したのです。

物理学におけるAIの応用は、実験設計を超えて広がっています。それはまた、複雑なデータを分析するための強力なツールであることも証明されています。例えば、マリオ・クレンのチームは、彼らのAIソフトウェアPyTheusを使用して、エンタングルメントスワッピングの課題に取り組みました。これは、以前はリンクされていなかった2つの粒子が絡み合う量子現象です。ノーベル賞受賞者である物理学者アントン・ツァイリンガーが1990年代初頭にこのための実験設定を考案していた一方で、PyTheusは異なる研究分野である多光子干渉からの洞察を得て、よりシンプルでありながら同等に効果的な構成を考案しました。このAI生成デザインは、2024年12月に中国のチームによって実験的に確認され、その実用的な有効性が実証されました。

さらに、AIアルゴリズムは、膨大なデータセットから隠されたパターンを発掘しています。ウィスコンシン大学マディソン校の物理学者カイル・クランマーは、機械学習を使用して宇宙におけるダークマターの塊の密度を予測しました。AIは、基礎となる物理的説明が依然としてとらえどころのないままであっても、人間が作成したどの式よりも観測データに適合する公式を導き出しました。同様に、カリフォルニア大学サンディエゴ校のコンピューター科学者ローズ・ユーは、AIモデルを訓練して、大型ハドロン衝突型加速器のデータから基本的な対称性を特定しました。事前の物理学の知識がなくても、AIはアインシュタインの相対性理論に不可欠なローレンツ対称性を再発見することに成功し、生データから直接深い物理原理を抽出する能力を証明しました。

現在のAIモデルはパターン認識に優れていますが、これらのパターンを解釈し、仮説を立て、包括的な物理理論を構築するという重要なステップは、依然として主に人間の知性の領域です。しかし、クランマーやスタインバーグのような専門家は将来について楽観的です。彼らは、高度な大規模言語モデルの出現が、仮説生成のプロセスそのものを自動化するのにAIが間もなく役立つようになり、AI支援による全く新しい物理概念の発見が現実となる時代をもたらす可能性があると示唆しています。これは、科学探求にとってエキサイティングな節目となります。