KI entwirft seltsame physikalische Experimente, die aber funktionieren!

Wissenschaftler auf der ganzen Welt wenden sich zunehmend der künstlichen Intelligenz zu, damit sie ihnen hilft, komplexe Experimente zu entwerfen, auf die Menschen selbst nur schwer kommen würden. Diese Ideen wirken auf den ersten Blick oft wie ein chaotisches Durcheinander ohne die Symmetrie oder Eleganz, die wir von menschlichen Entwürfen erwarten würden. Dennoch funktionieren sie und liefern manchmal sogar bessere Ergebnisse als traditionelle Methoden. So zeigt sich etwa bei der Detektion von Gravitationswellen oder der Quantenverschränkung, dass KI eine enorme Zahl von Möglichkeiten untersuchen und Lösungen finden kann, die Menschen entgangen wären.

KI und die Verbesserung des LIGO-Detektors

Eines der beeindruckendsten Beispiele ist die Arbeit des Physikers Rana Adhikari vom California Institute of Technology (Caltech). Er leitete ein Team, das versuchte, die Empfindlichkeit des Detektors LIGO zu verbessern, einer riesigen Anlage zur Detektion von Gravitationswellen. LIGO besitzt zwei vier Kilometer lange Arme, in denen Laserstrahlen reflektiert werden und winzige, durch Gravitationswellen verursachte Längenänderungen messen – Veränderungen, die kleiner sind als die Breite eines Protons. Der Bau dieses Detektors dauerte ab 1994 mehrere Jahrzehnte, und die erste Detektion gelang erst 2015, als eine Welle aus der Kollision zweier Schwarzer Löcher aufgefangen wurde.

Adhikari und sein Team verwendeten eine vom Physiker Mario Krenn entwickelte Software, die ursprünglich für die Konstruktion von Tischversuchen in der Quantenoptik bestimmt war. Sie stellten der KI alle möglichen Komponenten – Linsen, Spiegel, Laser – zur Verfügung und ließen sie ohne Einschränkungen ein komplexes Interferometer entwerfen. Die Ergebnisse waren zunächst unverständlich: Die Entwürfe sahen wie „außerirdische Gebilde“ aus, ohne Symmetrie, mit Tausenden von Elementen und Längen von Hunderten Kilometern. Nach Anpassungen, die sie interpretierbar machen sollten, schlug die KI vor, zwischen dem Hauptinterferometer und dem Detektor einen drei Kilometer langen Ring hinzuzufügen, der das Licht zirkulieren ließ, bevor es die Arme verließ.

Diese Idee erwies sich als genial. Es stellte sich heraus, dass die KI eine wenig bekannte Interferometertechnik wiederentdeckt und optimiert hatte, die russische Physiker bereits vor Jahrzehnten beschrieben hatten, die aber noch nie experimentell eingesetzt worden war. Das Ergebnis? Eine Steigerung der Empfindlichkeit von LIGO um 10 bis 15 Prozent, wodurch ein breiterer Frequenzbereich von Gravitationswellen detektiert und potenziell unerwartete astrophysikalische Phänomene entdeckt werden könnten. Adhikari räumte ein, dass er einen solchen Entwurf als „lächerlich“ abgelehnt hätte, wenn seine Studenten damit zu ihm gekommen wären. Aephraim Steinberg von der University of Toronto bezeichnete dies als Beweis dafür, dass die KI etwas gefunden hatte, das Tausende Menschen in 40 Jahren Arbeit an LIGO übersehen hatten.

Quantenverschränkung ohne gemeinsame Vergangenheit

Eine weitere faszinierende Anwendung der KI betrifft die Quantenverschränkung (Entanglement), bei der zwei Teilchen einen gemeinsamen Quantenzustand teilen, selbst wenn sie weit voneinander entfernt sind. Im Jahr 1993 zeigte Anton Zeilinger, der spätere Nobelpreisträger für Physik, dass sich eine Verschränkung zwischen Teilchen erzeugen lässt, die sich nie begegnet sind – mit einer Methode namens Entanglement Swapping. Sein Aufbau umfasste Kristalle, Strahlteiler und Detektoren für zwei Photonenpaare.

Das Team von Mario Krenn verwendete die Software PyTheus, die Experimente als Graphen mit Knoten und Kanten darstellt, welche Elemente wie Strahlteiler oder Photonenpfade repräsentieren. Ziel war es, eine Konfiguration zu finden, die nach der Detektion und Zerstörung der Photonen B und C eine Verschränkung zwischen den Photonen A und D erzeugen würde, die keine gemeinsame Vergangenheit hatten. Der Algorithmus optimierte die Graphen mithilfe einer Funktion, welche die Differenz zwischen dem Ausgang und dem gewünschten Zustand minimierte.

Der Student Soren Arlt entdeckte eine Konfiguration, die völlig anders aussah als die von Zeilinger – sie war einfacher und übernahm Ideen aus der Mehrphotoneninterferenz. Krenn war zunächst überzeugt, dass es sich um einen Fehler handeln müsse, doch die mathematische Analyse bestätigte das Ergebnis. Im Dezember 2024 baute das Team von Xiao-Song Ma von der Universität Nanjing in China das Experiment auf und bestätigte, dass es genau so funktionierte, wie die KI vorhergesagt hatte.

KI bei der Datenanalyse und der Suche nach Symmetrien

KI beschränkt sich nicht nur auf die Konzeption von Experimenten; sie hilft auch bei der Datenanalyse. Kyle Cranmer von der University of Wisconsin–Madison verwendete Modelle des maschinellen Lernens, um die Dichte von Dunkle-Materie-Clustern anhand beobachtbarer Eigenschaften vorherzusagen. Sein System fand eine Gleichung, die die Daten besser beschreibt als die von Menschen entwickelten Gleichungen, auch wenn bislang eine Erklärung dafür fehlt, wie es zu ihr gelangt ist.

Rose Yu von der University of California, San Diego, trainierte Modelle mit Daten des Large Hadron Collider (LHC) am CERN, damit sie Symmetrien in den Daten finden. Ohne Kenntnisse der Physik entdeckten sie Lorentz-Symmetrien, die für Einsteins Relativitätstheorien von zentraler Bedeutung sind – zum Beispiel, dass die Rate der Teilchenproduktion nicht von der Erdrotation abhängen sollte. Dies zeigt, dass KI allein aus Daten Muster erkennen kann, auch wenn deren Interpretation weiterhin dem Menschen überlassen bleibt.

Es geht nicht darum, dass Maschinen neue Konzepte entwickeln – zumindest noch nicht –, sondern darum, dass sie riesige Möglichkeitsräume schnell durchsuchen und effiziente, wenn auch seltsame Lösungen finden. Physiker wie Adhikari und Cranmer betonen, dass Menschen bei der Interpretation und Validierung weiterhin eine Schlüsselrolle spielen, die Zusammenarbeit mit KI jedoch Entdeckungen in der Quantenmechanik oder Hochenergiephysik beschleunigen könnte. Es ist, als hätte man einen unermüdlichen Assistenten, der abseits ausgetretener Pfade denkt, und die Ergebnisse sind wirklich erstaunlich.