AI revela nova física inesperada em plasma carregado de poeira
Físicos utilizaram um método de aprendizado de máquina para identificar reviravoltas surpreendentes nas forças não recíprocas que governam sistemas de muitos corpos. O estudo, publicado no Proceedings of the National Academy of Sciences, foi realizado por equipes de física experimental e teórica da Emory University, que analisaram dados de experimentos em laboratório com plasma carregado de poeira – um gás ionizado contendo partículas suspensas.
Em vez de ser apenas uma ferramenta para processamento de dados ou para fazer previsões, a inteligência artificial (IA) foi empregada para descobrir novas leis físicas que regem o mundo natural. Segundo Justin Burton, professor de física experimental da Emory e coautor do estudo, o método adotado não é uma “caixa-preta”: “Mostramos que podemos usar a IA para descobrir novas leis da física. O nosso método é universal e pode, potencialmente, ser aplicado a outros sistemas de muitos corpos para abrir novas rotas de descoberta.”
O artigo apresenta a descrição mais detalhada até agora da física de um plasma carregado de poeira, proporcionando aproximações precisas para as forças não recíprocas. Ilya Nemenman, professor de física teórica da Emory e co-senior do estudo, ressalta que as forças foram descritas com uma precisão superior a 99%. Ele destaca ainda que algumas suposições teóricas populares sobre essas forças não se mostram totalmente corretas, possibilitando a correção de imprecisões graças ao detalhamento dos fenômenos.
No laboratório, técnicas avançadas de imagem tomográfica foram desenvolvidas para rastrear o movimento tridimensional de partículas individuais dentro de um plasma carregado de poeira. Um feixe laser, expandido em uma lâmina de luz, varre a câmara de vácuo enquanto uma câmera de alta velocidade captura instantâneos, que são posteriormente organizados em uma pilha que revela a posição das partículas em escalas de centímetros por vários minutos.
O modelo de rede neural foi estruturado para levar em conta três contribuições independentes ao movimento das partículas: o efeito do arrasto (ligado à velocidade), as forças ambientais (como a gravidade) e as forças entre partículas. Com esse treinamento em trajetórias 3D, a IA foi capaz de reconhecer simetrias inerentes e aprender com precisão as forças efetivas não recíprocas – fenômeno que lembra o efeito de duas embarcações em um lago, cujas ondas (ou “rastro d'água”) podem atrair ou repelir a outra, dependendo de sua posição relativa.
Dentre as descobertas, os pesquisadores demonstraram que, em um plasma carregado de poeira, uma partícula que lidera o movimento atrai a partícula que a segue, enquanto a partícula de trás repele a que está à frente – algo previsto por alguns, mas aqui descrito com uma aproximação precisa nunca antes alcançada. O estudo também corrige teorias antigas, como a que afirmava que a carga elétrica acumulada por uma partícula é estritamente proporcional ao seu raio. Os resultados indicam que, embora partículas maiores acumulem mais carga, essa relação depende também da densidade e da temperatura do plasma. Além disso, verificou-se que a redução da força conforme a distância entre partículas varia em função do tamanho das mesmas.
As experiências em laboratório confirmaram as inferências da IA, que rodando em um computador de mesa, estabelece um referencial teórico universal para elucidar os mistérios de outros sistemas complexos de muitos corpos – desde coloides presentes em materiais industriais, como tintas e vernizes, até aglomerações celulares em organismos vivos.
O estudo representa um exemplo marcante de como a colaboração interdisciplinar entre física de plasma e inteligência artificial pode abrir caminho para avanços significativos na compreensão dos sistemas coletivos. Com o aprimoramento desses métodos, os pesquisadores esperam que novas leis físicas possam ser inferidas não só para plasmas, mas também para sistemas biológicos e outros conjuntos complexos onde a interação de múltiplas partículas determina o comportamento coletivo.
