AI学到的旧知识，反而是发现新物理的障碍？ (opens in new tab)

宇宙学的标准模型 ΛCDM（Lambda-Cold Dark Matter，宇宙常数－冷暗物质模型）已经成功运行了几十年，直到近年来，随着对大质量中微子、修改引力、暗能量演化等领域的研究不断深入，物理学家开始怀疑，ΛCDM 可能并不完整。而在标准模型之外，每检验一个新物理假说，就要重新建立一套高精度宇宙模拟，计算成本极其高昂。近日，普林斯顿大学（Princeton University）与弗拉特艾恩研究所（Flatiron Institute）的物理学家提出了解决方案：参考大语言模型的预训练-微调方法，先用廉价的标准宇宙学模型训练 AI，再用少量且昂贵的新物理模拟技术对其进行微调。结果显示，这种策略确实可以大幅降低计算成本。但同时，研究人员还发现了一种名为“负迁移”的现象：如果新物理的信号恰好与旧理论的某个参数高度相似，AI 反而学得更慢、表现更差。这是否说明，在基础物理中，AI 学到的旧知识，反而成了它发现新物理的障碍？新物理模拟虽好，消耗算力却实在高昂ΛCDM 模型可以解释从宇宙膨胀到星系分布的大尺度宇宙观测现象。但在粒子物理实验中确认拥有质量的中微子，其具体质量至今仍是无法...