Artificial Intelligence for Scientific Discoveries (eBook)
XIII, 170 Seiten
Springer International Publishing (Verlag)
978-3-031-27019-2 (ISBN)
Will research soon be done by artificial intelligence, thereby making human researchers superfluous? This book explains modern approaches to discovering physical concepts with machine learning and elucidates their strengths and limitations. The automation of the creation of experimental setups and physical models, as well as model testing are discussed. The focus of the book is the automation of an important step of the model creation, namely finding a minimal number of natural parameters that contain sufficient information to make predictions about the considered system. The basic idea of this approach is to employ a deep learning architecture, SciNet, to model a simplified version of a physicist's reasoning process. SciNet finds the relevant physical parameters, like the mass of a particle, from experimental data and makes predictions based on the parameters found. The author demonstrates how to extract conceptual information from such parameters, e.g., Copernicus' conclusion that the solar system is heliocentric.
Raban Iten studied Physics and Mathematics at ETH Zürich, followed by a Ph.D. in quantum computation. During his Ph.D., he worked on using machine learning to discover physical concepts from experimental data of classical and quantum systems. This work was widely covered in the media and pointed out as a research highlight of 2019 by Nature Reviews Physics. Furthermore, he developed algorithms for quantum compilers and contributed to various open-source libraries for quantum computing.
| Erscheint lt. Verlag | 11.4.2023 |
|---|---|
| Zusatzinfo | XIII, 170 p. 38 illus., 37 illus. in color. |
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Naturwissenschaften ► Physik / Astronomie ► Allgemeines / Lexika | |
| Naturwissenschaften ► Physik / Astronomie ► Theoretische Physik | |
| Schlagworte | AI-Scientist • Artificial Intelligence • Automation of Physics • Deep learning • Discovering Physical Laws • Extracting Equations from Data • Heliocentric Solar System • machine learning • Neural networks • representation learning |
| ISBN-10 | 3-031-27019-3 / 3031270193 |
| ISBN-13 | 978-3-031-27019-2 / 9783031270192 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 5,3 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
