Generative AI for Validating Physics Laws

要約

生成的人工知能（AI）を提示して、恒星の温度と光度をリンクするステファンボルツマンの法則に焦点を当て、物理学の基本法則を経験的に検証します。
私たちのアプローチは、個々の星の仮想温度レジームの下で反事実的光度をシミュレートし、深い学習アーキテクチャの温度光度関係を繰り返し洗練します。
Gaia DR3データを使用して、平均して、光度に対する温度の影響は、恒星の半径とともに増加し、絶対的な大きさとともに減少し、理論的予測と一致することがわかります。
物理法則を因果関係の問題としてフレーミングすることにより、私たちの方法は、理論的理解を改善し、証拠に基づいた政策と実践を知らせるための斬新なデータ駆動型のアプローチを提供します。

要約(オリジナル)

We present generative artificial intelligence (AI) to empirically validate fundamental laws of physics, focusing on the Stefan-Boltzmann law linking stellar temperature and luminosity. Our approach simulates counterfactual luminosities under hypothetical temperature regimes for each individual star and iteratively refines the temperature-luminosity relationship in a deep learning architecture. We use Gaia DR3 data and find that, on average, temperature’s effect on luminosity increases with stellar radius and decreases with absolute magnitude, consistent with theoretical predictions. By framing physics laws as causal problems, our method offers a novel, data-driven approach to refine theoretical understanding and inform evidence-based policy and practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google