ИИ за сутки победил протонный шум, над которым бились 20 лет. Назло физикам LIGO

В мире сверхточных измерений трудно найти инструмент, чувствительнее интерферометрической обсерватории гравитационных волн LIGO. Её основа — два огромных детектора, размещённых в Хэнфорде (Вашингтон) и Ливингстоне (Луизиана). Каждый представляет собой конструкцию в форме буквы «L», по четырёхкилометровым рукавам которой лазерные лучи многократно отражаются между зеркалами. При прохождении гравитационной волны — деформации пространства-времени, вызванной, например, слиянием чёрных дыр — длина одного плеча изменяется на ничтожную величину по сравнению с другим. Эта разница меньше диаметра протона — что сопоставимо с попыткой уловить изменение расстояния до Альфы Центавра на толщину человеческого волоса.

Добиться такой чувствительности удалось благодаря десятилетиям кропотливой инженерной и научной работы. Строительство LIGO началось в 1994 году, но только после глубокой модернизации в 2015-м детекторы зафиксировали первый прямой сигнал — отклик от столкновения удалённых чёрных дыр.

Существенный вклад в совершенствование установки внёс физик Рана Адхикари из Калифорнийского технологического института. В начале 2000-х его команда исследовала пределы, накладываемые как законами природы, так и техническими возможностями, стремясь извлечь максимум из текущего дизайна. Однако после исторической регистрации гравитационных волн Адхикари заинтересовался: можно ли расширить диапазон чувствительности системы, чтобы фиксировать редкие и пока теоретически неописанные сигналы?

В поисках ответа он обратился к искусственному интеллекту — точнее, к программному комплексу, разработанному физиком Марио Кренном для автоматического проектирования оптических схем в области квантовых технологий . Учёные загрузили в систему перечень всех допустимых компонентов — от зеркал до фотодетекторов — и разрешили алгоритму собирать детектор любой сложности. ИИ получил полную свободу: он мог выстраивать схемы длиной в сотни километров и с тысячами элементов.

Первые проекты выглядели как абсурдные конструкции, лишённые симметрии, логики и визуальной стройности. «Это напоминало что-то внеземное», — вспоминает Адхикари. Но когда исследователи начали очищать решения от избыточных деталей и придавать им структуру, выяснилось , что в этих хаотичных конфигурациях скрыт глубокий физический смысл. Одной из находок стало добавление трёхкилометрового кольца между интерферометром и выходным портом — по нему лазерный свет циркулирует перед регистрацией. Эта идея опиралась на редкую теоретическую работу, опубликованную в России в XX веке, и позволяла снизить квантовые флуктуации при считывании сигнала. Ранее её никто не реализовывал на практике.

По оценке Адхикари, если бы такое решение было доступно на этапе строительства LIGO, чувствительность установки могла бы увеличиться на 10–15%. Для прибора, отслеживающего колебания меньшие, чем размер элементарной частицы, это — революционный прирост.

Как отметил профессор Эфраим Стейнберг из Университета Торонто, специализирующийся на квантовой оптике, сам факт того, что ИИ предложил жизнеспособную архитектуру, ускользнувшую от тысяч исследователей, уже можно считать научным прорывом. Машина пока не открывает новых законов природы, но она выявляет скрытые закономерности, ранее доступные лишь единицам.

Искусственный интеллект активно используется и при анализе данных , полученных с обсерваторий. Так, группа физика Кайла Кранмера из Университета Висконсина-Мэдисона применяла алгоритмы для предсказания плотности тёмной материи в различных зонах космоса. Система, обученная на смеси реальных и сгенерированных наблюдений, вывела формулу, превосходящую по точности все существующие описания распределения этих неуловимых частиц. «Формула хорошо согласуется с фактами, но её происхождение остаётся для нас загадкой», — говорит Кранмер.

Ещё один важный пример — работа Роуз Ю из Калифорнийского университета в Сан-Диего. Её коллектив использовал методы машинного обучения для обнаружения симметрий в данных с БАК. Речь шла о фундаментальных инвариантах — вроде преобразований Лоренца, на которых основана специальная теория относительности. Несмотря на отсутствие «знаний» о физике, алгоритмы определили, что экспериментальные значения сохраняются при вращении и преобразовании координат — как и предсказывает теория.

В квантовом мире, где состояния описываются волновыми функциями, симметрии играют определяющую роль. Один из ярких примеров — запутанность , когда две частицы, даже будучи разделёнными, остаются связанными. До 1993 года считалось, что такая связь возможна лишь между системами, которые взаимодействовали в прошлом. Но эксперимент Антона Цайлингера доказал обратное: можно добиться «переплетения» между независимыми фотонами — процесс получил название «перестановка запутанности» (entanglement swapping).

В 2021 году команда Кренна применила собственную ИИ-платформу PyTheus для оптимизации схемы этого явления. Вместо копирования решения Цайлингера алгоритм выдал более простую конфигурацию на базе многофотонной интерференции. Математическая верификация подтвердила её работоспособность, и уже в декабре 2024 года китайские физики из Нанкинского университета построили установку, подтвердившую предсказания.

Всё это показывает, что ИИ не просто помогает исследователям — он начинает подсказывать альтернативные пути, которые иногда оказываются эффективнее традиционных. Машина пока не умеет объяснять, почему её решения работают — это остаётся прерогативой человека. Но, по мнению Кранмера, с развитием языковых моделей вроде ChatGPT мы приближаемся к эпохе, где ИИ не только выявляет закономерности, но и формулирует гипотезы, объясняющие их природу. А как подчеркивает Стейнберг, мы, возможно, уже стоим у самого порога этой интеллектуальной трансформации.