تظهر دراسة جديدة أن التعلم بنقل المعرفة يمكن أن يقلل التكاليف الحسابية للبحث عن فيزياء تتجاوز النموذج الكوني القياسي بأكثر من عشرة أضعاف. يعتمد هذا النهج على تدريب الذكاء الاصطناعي أولاً على محاكاة أبسط قبل الانتقال إلى أخرى أكثر تعقيداً. ومع ذلك، يمكن أن يؤدي هذا إلى "نقل سلبي" يعيق اكتشاف تأثيرات جديدة حقاً.
اختبر باحثون في جامعة برينستون ومعهد فلاتيرون التعلم بنقل المعرفة في محاكاة لعلم الكونيات. وقاموا بتدريب شبكات عصبية مسبقاً على نماذج ΛCDM القياسية قبل تطبيقها على سيناريوهات تتضمن نيوترينوات ضخمة أو جاذبية معدلة. وصف أدريان باير، عالم الكونيات في معهد فلاتيرون وجامعة برينستون، هذه الطريقة بأنها اختصار يجنب الحاجة إلى التدريب المباشر على عمليات المحاكاة الأكثر تكلفة. وأشارت فينا كريشناراج، المؤلفة الأولى للدراسة وطالبة البكالوريوس في برينستون، إلى أن هذه الاستراتيجية تمنع الذكاء الاصطناعي من معالجة كل شيء دفعة واحدة. حدد الفريق حالات من "النقل السلبي" حيث واجهت النماذج المدربة مسبقاً صعوبة في التمييز بين إشارات الفيزياء الجديدة والأنماط المألوفة، مثل تلك المرتبطة بمعامل σ8. وقالت كريشناراج إن هذه المشكلة تنبع من التضاؤلات الفيزيائية الكامنة وتتطلب معالجة. وتشير النتائج، التي نُشرت في مجلة علم الكونيات وفيزياء الجسيمات الفلكية، إلى أن التعلم بنقل المعرفة قد يدعم المسوحات المستقبلية، لكنه لم يُختبر حتى الآن إلا في عمليات المحاكاة.