Designing physics experiments with artificial intelligence
El progreso en la física ha sido históricamente impulsado por experimentos ingeniosos concebidos por expertos humanos. Sin embargo, recientemente, los métodos de diseño impulsados por inteligencia artificial (IA) han comenzado a ir más allá de ajustar un puñado de parámetros, proponiendo configuraciones experimentales completamente nuevas. Estas configuraciones descubiertas a menudo desafían las convenciones de diseño establecidas, igualando o incluso superando el rendimiento de los diseños creados por humanos.
El diseño experimental se enmarca como una búsqueda de óptimos en un vasto espacio de configuraciones de hardware, sujeto a restricciones prácticas. Este enfoque se organiza en torno a cuatro preguntas clave: ¿cómo podemos (1) diseñar espacios de búsqueda expresivos; (2) construir simuladores rápidos y confiables; (3) traducir objetivos científicos en funciones objetivas computables; y (4) desarrollar métodos de exploración basados en IA que puedan navegar tanto en elecciones de diseño discretas como continuas?
Estas preguntas sitúan el diseño impulsado por IA en una escala que va desde el ajuste de parámetros hasta el descubrimiento de novo, destacando los compromisos entre la viabilidad computacional, la factibilidad experimental, la interpretabilidad y la confiabilidad de la solución. Mirando hacia el futuro, los simuladores que abarcan varios dominios de la física, combinados con grandes conjuntos de objetivos experimentales, podrían descubrir conceptos experimentales poco ortodoxos que son difíciles de alcanzar solo con la intuición humana. En última instancia, los experimentos diseñados por IA podrían abrir nuevas formas de explorar el universo.