现在，根据地球上观察到的太阳和火星的轨道，一种受大脑启发的人工智能机器学习算法计算出太阳是太阳系的中心。天文学家花了几个世纪才弄清楚它。
这项壮举是首次对这项技术进行测试，研究人员希望利用它来发现新的物理定律，或许还可以通过在大数据收集中发现新的模式来重建量子力学。研究结果将发表在即将出版的"物理学评论快宝"上。
物理学家雷纳图·伦纳(RenatoRenner)和他在苏黎世瑞士联邦理工学院(SwissFederalInstituteofTechnology)的合著者希望设计一种算法，将大量数据集抽象成几个基本公式，模仿物理学家对简单方程(如E=mc2)的想法。
要做到这一点，研究人员必须设计一种新的神经网络，一种受人脑结构启发的机器学习系统。
传统的神经网络通过大量数据集的训练来学习识别物体，如图像或声音。研究人员发现，"四条腿"和"尖头耳朵"这样的一般特征可以用来识别猫。然后，他们将这些特征编码成数学的"节点"，这是人工神经元的等价物。
然而，神经网络并不像物理学家那样，把这些信息提炼成易于解释的规则，而是像黑匣子一样，以一种不可预测、莫名其妙的方式将它们获得的知识传播到数千甚至数百万个节点。
结果，Renner的团队设计了一个"肺叶分割"神经网络--两个子网通过少量的链接连接在一起。第一个子网将从数据中学习，就像在一个典型的神经网络中一样；第二个子网将利用这个"体验"来做出新的预测并测试它们。
因为这两个子网的链接很少，第一个子网被迫以压缩格式将信息传送给另一个子网。伦纳把这比作导师如何把所学的知识传授给学生。
最初的测试是向神经网络提供来自火星的模拟数据和从地球天空看到的太阳。从这个角度来看，火星绕太阳的轨道似乎是不稳定的，例如，它周期性地"逆行"，改变自己的轨道。
几个世纪以来，天文学家一直认为地球是宇宙的中心--他们认为行星以一个小圆圈绕着天球运行，即所谓的电流圆，来解释火星的轨道。但在16世纪，尼古拉·哥白尼发现，如果地球和其他行星都围绕太阳旋转，它们的轨道可以用一个简单得多的公式系统来预测。
加拿大多伦多大学的物理学家MarioKrenn致力于将人工智能应用于科学发现，他说，该小组的神经网络提出了哥白尼的火星轨道公式，并重新发现了"科学史上最重要的范式转变之一"。
相关阅读：
