12月10日，北京大学官方微信公众号发布消息称，由该校物理学院马滟青教授课题组主导的”AI-牛顿”项目取得重大突破。这个创新性的人工智能系统通过自主学习，成功再现了300多年前牛顿发现万有引力定律的经典时刻。
国际顶级期刊《自然》于2025年11月14日发表了题为《一个中国人工智能模型自主学到了基础物理学——它能发现什么》的专题报道，详细介绍了这项突破性进展。这一研究标志着”AI+科学”领域的重要里程碑。
从实验数据到科学定律：AI的”发现式学习”
当前主流的大模型虽然在模式识别和预测方面表现出色，但要在 noisy（有噪声）的数据中归纳出简洁普适的科学定律仍面临巨大挑战。一个训练良好的AI可能能准确预测行星轨迹，却难以自行推导背后的万有引力定律。
马滟青课题组开发的”AI-牛顿”系统实现了重要突破：在包含小球、弹簧等46个物理实验的数据集上，这个AI系统像人类科学家一样，通过观察现象→提出假设→验证规律的科学方法，最终自主发现了力、质量、加速度之间的关系，并归纳出了著名的牛顿第二定律（F=ma）。
这一突破性进展在于，”AI-牛顿”完全不依赖人工干预或先验知识。它能从原始实验数据中直接”挖掘”出物理规律，这标志着人工智能向真正的自主科研能力迈出了重要一步。
这项研究采用了独特的”合情推理”策略，即”大胆假设、小心求证”。通过构建层级知识库（符号-概念-定律），”AI-牛顿”逐步建立物理理论体系，这一过程与人类科学家的认知方式高度相似。
研究团队为系统设计了创新性的实验框架：一方面预置了完整的物理实验数据库和数据生成器，另一方面构建了动态知识库用于存储AI自主发现的物理概念和定律。这种架构使AI能够像科学家一样开展”探索性学习”。
该系统的核心创新在于突破了传统神经网络的黑箱限制，结合符号回归模型和合情推理方法，形成了独特的知识发现工作流。这种机制不仅保持了数学表达式清晰可解释的特点，还显著提升了数据挖掘效率和准确性。
哈佛大学计算机专家Keyon Vafa评论道：”这种方法通过编程引导AI进行概念推导，展现出巨大的科研潜力。这为未来的科学发现提供了全新思路。”
从工具到伙伴：AI助力科学研究的新范式
“AI-牛顿”系统的成功验证了迭代学习与知识构建的有效性，它既继承了人类的理论思维优势，又克服了科研周期长、试错成本高等固有局限。
这一研究不仅在方法论上突破了传统AI的限制，更展现出显著的应用前景。当AI不仅能处理数据还能发现规律时，科学家将能从繁琐的重复劳动中解放出来，专注于更具创造性的研究工作。
马滟青教授表示，团队下一步计划将这一技术应用于量子力学等更具挑战性的领域，探索更复杂的物理规律。目前，该系统已在经典力学领域的研究中展现出强大的能力。
论文的主要作者包括：方尤乐（2024级博士生）、见东山（2022级博士生）和李想（2025届博士毕业生，现为博士后）。这项研究得到了国家自然科学基金及北京大学高性能计算平台的大力支持。
相关报道链接：
https://www.nature.com/articles/d41586-025-03659-4
论文下载地址：
https://arxiv.org/pdf/2504.01538
相关文章
