Ingenjörer vid University of Pennsylvania har upptäckt att bubblor i vardagliga skum ständigt skiftar position samtidigt som de behåller skummets övergripande form, och följer matematiska principer liknande dem i djupinlärning för AI. Detta utmanar traditionella syner på skum som glasliknande och tyder på att inlärningsbeteenden kan ligga bakom mångsidiga system från material till celler. Resultaten, publicerade i Proceedings of the National Academy of Sciences, kan informera adaptiva material och biologiska strukturer.
Skum, som finns i produkter som tvålskum och majonnäs, har länge betraktats som liknande glas, med bubblor fast i oordnade positioner. Nya dator-simuleringar av forskare vid University of Pennsylvania visar dock att bubblor i våta skum ihärdigt vandrar genom olika arrangemang utan att slå sig till ro, även när skummet behåller sin form. Detta dynamiska beteende speglar processen för djupinlärning i artificiella intelligenssystem. Vid AI-träning justeras parametrar iterativt via metoder som gradientnedstigning, och undviker alltför precisa anpassningar som hindrar generalisering. Istället utforskar systemen bredare områden av genomförbara lösningar. «Skum omorganiserar sig själva ständigt», noterade John C. Crocker, professor i kemisk och biomolekylär ingenjörsvetenskap och medséniorförfattare. «Det är slående att skum och moderna AI-system verkar följa samma matematiska principer.» Traditionell fysik modellerade skumbubblor som partiklar som rullar till lågenergist tillstånd, som stenar i en dal. Data från nästan två decennier sedan visade dock avvikelser. «När vi faktiskt tittade på data matchade inte skummets beteende teorins förutsägelser», förklarade Crocker. Teamet tillämpade AI-inspirerade optimiseringsinsikter och fann att bubblor dröjer sig kvar i platta energilandskap med flera ekvivalenta konfigurationer. Medséniorförfattare Robert Riggleman, även inom kemisk och biomolekylär ingenjörsvetenskap, framhöll en parallell: «Den nyckelmässiga insikten var att inse att man inte egentligen vill trycka systemet ner i den djupaste möjliga dalen». Att hålla AI i sådana plattare områden ger bättre prestanda på ny data, precis som skummets pågående rörelse. Studien öppnar på nytt frågor inom skumforskning och sträcker sig till levande system, som cellens cytoskelett, som omorganiserar sig samtidigt som strukturen bevaras. «Varför matematiken i djupinlärning exakt karakteriserar skum är en fascinerande fråga», sade Crocker. Stödd av National Science Foundation involverade arbetet medsförfattarna Amruthesh Thirumalaiswamy och Clary Rodríguez-Cruz, med fullständiga detaljer i 2025 PNAS-artikeln om viskösa mognadsskumm.
