AI помог сделать теорию струн проверяемой — учёные нашли способ отсекать миллионы моделей

Исследователи King’s College London и их коллеги разработали вычислительный подход, который позволяет проверять отдельные модели теории струн на реальных и будущих экспериментальных данных. В работе объединили машинное обучение, байесовскую статистику и перебор миллионов возможных вариантов геометрии дополнительных измерений.

Что именно удалось проверить

Учёные рассмотрели аксион — гипотетическую частицу и одного из кандидатов на роль тёмной материи. Команда смоделировала два диапазона массы аксиона, которые могут обнаружить эксперименты DM Radio и ADMX, а затем рассчитала, какие последствия такое открытие имело бы для теории струн.

Если эксперимент подтвердит более тяжёлый вариант аксиона, требованиям будет соответствовать лишь небольшая часть из миллионов исследованных моделей. Это даст физикам возможность строго исключать несовместимые варианты — то есть применять к теории струн принцип фальсифицируемости, который лежит в основе экспериментальной науки.

AI не доказал теорию струн

Речь не идёт о доказательстве всей теории или о прямом обнаружении дополнительных измерений. AI-инструменты помогли обработать огромный набор моделей и построить проверяемые прогнозы: будущие наблюдения смогут подтвердить или опровергнуть конкретные классы решений.

Отдельно команда сопоставила модели с данными реликтового излучения и распределения водорода во Вселенной. Анализ оставил лишь несколько вариантов теории струн, способных объяснить наблюдаемое расхождение, и предсказал новые типы частиц сложной тёмной материи.

Почему это важно

Главный результат — AI здесь выступает не генератором гипотез, а инструментом научной проверки. Подход показывает, как машинное обучение может превращать теории с огромным числом вариантов в набор конкретных прогнозов для экспериментов. Для фундаментальной физики это шаг от красивой математической конструкции к измеримым критериям.