未经物理教育的AI-Newton，凭借自我学习推导出宇宙万有引力定律。（达志／ShutterStock）
AI-Newton自主推导出的数学表达式
Researchers built an AI that taught itself 300 years of physics with zero physics knowledge
It rediscovered Newton’s second law, law of gravitation, and energy conservation from scratch.
In 1907, Albert Einstein had what he called his “happiest thought”: gravitational mass… pic.twitter.com/QUHVYiR4ka
— How To Prompt (@HowToPrompt__) October 1, 2026
来自北京大学高能物理研究组的成果近日引发热烈讨论。这支科研团队构建了一套特殊的智能系统，它从未接触过任何物理学教材，训练数据库内亦不存在丝毫物理理论内容。该系统对质量、力、能量及引力等基本物理概念毫不了解，仅以物体的空间位置和时间变化作为起点，通过对一组模拟实验数据的自主学习，竟然主动构建出了完整的牛顿力学框架。其令人瞩目之处在于：它不仅独立创造了质量这一物理概念，随后相继发现了动量守恒、能量守恒等重要规律，最终还推导出了支配天体运动的万有引力方程。
为使这一被命名为「AI-Newton」的系统得到充分锻炼，研究人员精心设置了46个经典力学的实验场景。这些案例的覆盖面相当广泛：既包括单一物体的自由运动，也包括弹簧周期振荡、两体碰撞过程、物体在斜面上的滑动、抛体运动等现象，还涉及多个物体相互作用的高复杂度动力学系统。所有实验数据均通过求解微分方程获得，之后被注入高斯型随机噪声，这种处理方法旨在真实还原现实测量中存在的不完美性。
AI-Newton的知识积累过程宛如一个学徒的成长历程。系统内部配置有「概念库」与「定律库」两个基础模块，起初基本处于空白状态。系统能够主动提出具有可解释性的中间概念，举例而言，它通过分析位置对时间的变化率来界定速度，再通过归纳不同实验中重复涌现的守恒量来抽取动能、弹性势能等物理量，最后借助符号回归分析方法找出各概念间的数学关联。
当某条定律在处理新的实验现象时出现失效，系统就会自行添加新项来扩展其适用领域。若积累的知识体系变得过于臃肿杂乱，系统还会自动调用微分代数化简工具，清除掉多余的式子，确保知识结构的简明扼要。
完成一个完整的学习循环周期大约耗时数十小时，其间进行了上千次反复实验。统计结果显示，该系统平均会登记约90个不同的物理学概念和约50条普适性较强的物理学定律。
AI-Newton自主推导出的数学表达式
该研究工作最为亮眼的成就是，AI-Newton成功地推导了牛顿第二运动定律、能量守恒律以及引力作用规律。需要说明的是，智能系统本身并未为这些定律赋予人类习惯的命名。论文中所指的「牛顿第二定律」其实是研究小组事后通过比对AI输出的数学公式与既存物理知识而标注的名称，并非系统自身的命名结果。
虽然这些物理原理长期以来已为人类所知，但该研究的核心价值恰恰体现在：在缺乏人类指导、没有既有物理知识先验的情况下，AI系统竟能够独立创造出具有广泛迁移性的科学概念，进而将单一实验范围内的物理规律成功拓展到众多迥异的实验环境。
回顾人类科学史，我们耗尽数百年时光，通过观察物体下坠、天体运行、碰撞互作等自然现象，才逐渐抽象出质量、作用力、能量等深层概念。而这套AI系统却能够在受限的虚拟模拟世界里，依靠符号推理和循序渐进的自我优化机制，用数十小时的计算量重现了这段漫长的认知历程。
制图：张威翔｜资料来源：北京大学高能物理组 AI-Newton 研究
