现如今，依据在宇宙上观察到的太阳和火花的运行运动轨迹，一种受人脑启迪的机器学习算法测算出了太阳坐落于太阳系的中心。而科学家花了好多个新世纪才弄搞清楚这一大道理。 这一创举是对一项技术性的初次检测，科学研究工作人员期待可以运用它发觉新的物理学定理，也许还可以根据在互联网大数据集中化发觉新的方式来再次搭建物理学。 有关科研成果将发布在将要出版发行的《物理评论快报》上。

物理学家设计方案出一种人工智能技术，能像科学家尼古拉·哥白尼那般思索，即观念到太阳是太阳系的中心。
苏黎世瑞士联邦理工大学的物理学家Renato Renner和他的合作方愿意设计方案一种优化算法，将很多uci数据集提炼出成好多个基础公式计算，这效仿了物理学家明确提出简约通式（比如E=mc2）的构思。
以便保证这一点，科学研究工作人员务必设计方案一种新式的神经网络，一种受人们大脑结构启迪的深度学习系统软件。
传统式的神经网络根据很多uci数据集的训炼学习培训鉴别物块，比如图象或声响。科学研究工作人员发觉一般特点——比如“四条腿”和“尖长的耳朵里面”可以用于鉴别猫。随后，她们将这种特点编号到数学课“连接点”中，后面一种是神经细胞的人工服务等效物。
殊不知，神经网络并沒有像物理学家那般，将这种信息内容提炼出成好多个便于表述的标准，只是很象一个黑夹子，将他们得到的专业知识以不能预测分析且无法表述的方法散播到数千个乃至数百万个连接点上。
因而，Renner的科学研究精英团队设计方案了一种“脑叶摘除”式的神经网络——2个仅根据小量连接相连接的子互联网。第一个子网将从统计数据中学习培训，如同在一个典型性的神经网络中一样；而第二个子网将应用这类“工作经验”作出新的预测分析并多方面检测。
因为联接两个子互联网的路由协议非常少，第一个子互联网强迫以缩小文件格式向另一个子互联网信息传递。Renner把这比成一个老师怎样把他学得的专业知识教授给学员。
最开始的一项检测是向该神经网络出示从宇宙上见到的火花和太阳在天上中运行的仿真模拟统计数据。从这一角度观察，火花围绕太阳的路轨好像不是平稳的，例如它会周期性地“逆向行驶”，改变现状的路轨。
好多个新世纪至今，科学家曾一直觉得宇宙是宇宙空间的中心——她们觉得大行星在天球上绕着小圈运行，即说白了的新一轮，并为此来表述火花的运行运动轨迹。但在16新世纪，尼古拉·哥白尼发觉，假如宇宙和别的大行星都紧紧围绕太阳运行，那麼用一个简易得多的公式计算系统软件就能够预测分析他们的运行运动轨迹。
着眼于将人工智能技术于科学发现的加拿大多伦多大学物理学家Mario Krenn表达，该科学研究精英团队的神经网络算出了哥白尼式的火花路轨公式计算，再次发觉了“科学研究史上最牛关键的一个范式变化”。
Renner注重，尽管该优化算法计算出了这种公式计算，但必须人的眼镜来表述这种式子，并了解他们与大行星紧紧围绕太阳运行相互关系。
此项科学研究工作中很关键，由于它可以找到叙述一个物理学系统软件的重要主要参数，美国纽约市宾夕法尼亚大学智能机器人权威专家Hod Lipson说。他表达：“我觉得这种技术性是人们了解和紧跟物理学和别的行业日渐繁杂的状况的唯一期待。”
Renner和他的精英团队期待可以开发设计出协助物理学家处理物理学中的这些显著矛盾的深度学习技术性。这一基础理论好像对一项试验的結果和受其规律性操纵的观测者的观查方法造成了互相矛盾的预测分析。
“在某种意义上，如今物理学的描述方法将会仅仅历史时间的物质。”Renner说。他注重，一台电脑能够算出一个沒有这种矛盾的公式计算，但该精英团队最新消息的技术性还不完善，尚没法保证这一点。
以便保持这一总体目标，Renner和他的合作方已经试着开发设计一种神经网络，后面一种不但能够从测试数据中学习培训，并且可以明确提出全新升级的试验来认证其假定。