北京大學物理學院馬滟青教授帶領的科研團隊近日取得一項突破性成果，其研發的智能系統“AI-牛頓”在完全自主探索中，從實驗噪聲數據中成功推導出經典力學核心定律。這項研究突破了傳統人工智能的局限，為科學發現自動化開辟了新路徑。
該系統在無人工干預且未預設任何物理理論框架的條件下，僅通過分析46組實驗產生的原始噪聲信號，便獨立推導出牛頓第二定律（F=ma）。這一發現過程完全模擬人類科學家的認知模式，采用"假設生成-驗證迭代"的推理機制，而非簡單的數據擬合或模式識別。
研究團隊構建的智能系統包含三層知識架構：底層通過符號回歸技術從時空坐標中提取基礎物理量，中層運用微分代數方法形成概念體系，頂層則自主構建物理定律間的邏輯關聯。這種分層認知模式使系統不僅能發現力與運動的關系，還同步推導出能量守恒等基礎物理法則。
與傳統人工智能工具不同，“AI-牛頓”具備完整的科學發現能力。它通過自建實驗數據庫生成訓練數據，在虛擬環境中模擬物理過程，逐步完善對物理世界的認知。這種從原始數據到理論構建的完整鏈條，標志著人工智能首次具備獨立進行科學探索的能力。
國際權威學術期刊《自然》在新聞專欄對該成果進行專題報道，重點強調其方法論創新。文章指出，該研究采用的合情推理策略，通過生成假設、設計驗證實驗、分析結果的正反饋循環，完整復現了人類科學發現的思維過程。
目前研究團隊正拓展系統應用范圍，計劃將其引入量子力學等復雜理論領域。初步測試顯示，系統已展現出處理高維度數據和發現非線性規律的能力，這為探索量子糾纏、超導機制等前沿問題提供了新的研究范式。
