太阳是太阳系的中心，这是天文学家历经了几个世纪才弄清楚的事情。但是现在，自学物理学原理的神经网络已经能够根据太阳和火星的运动以及它们在地球出现时的位置得出同样的结论。这一壮举是这项技术的第一个测试，研究人员希望他们能够通过大数据集中模式来发现新的物理定律，并重新制定量子力学。

苏黎世联邦理工学院（ETH）的物理学家Renato Renner和他的同事想要设计一种算法，该算法可以将大数据集提炼为几个基本公式，从而模仿物理学家提出诸如E = MC²的简洁方程。为此，研究人员必须设计一种新型的神经网络，这是一种受大脑结构启发的机器学习系统。传统的神经网络通过训练庞大的数据集来学习识别物体，例如图像或声音。他们可以发现一般特征，例如，“四只腿”和“尖耳朵”可能被用来识别猫。然后，他们在数学“节点”（神经元的人工等效物）中对这些特征进行编码。但是，神经网络不是像物理学家那样将信息提炼成几个易于解释的规则，而是一个黑匣子，以不可预测且难以解释的方式将其获得的知识分布在成千上万个节点上。

因此，Renner的团队设计了一种“整体化”的神经网络：两个子网仅通过少数几个链接就可以相互连接了。第一个子网络将像典型的神经网络一样从数据中学习，第二个子网络将利用该学习成果来进行和检验新的预测。由于几乎没有连接双方的链路，因此第一个网络被迫以压缩格式将信息传递给另一侧。Renner将其比作教师如何将所学知识传递给学生。最初的测试之一是给网络提供有关从地球上看火星和太阳在天空中运动的模拟数据。从这个角度来看，火星的绕日轨道似乎是不稳定的，例如它会周期性地“逆行”，从而逆转其方向。几个世纪前，天文学家一直认为地球处于宇宙的中心，并通过行星在天空中称为行星轮的小圆圈运动来解释火星的运动。但是哥白尼（Nicolaus Copernicus）发现，如果地球和行星都在绕太阳公转，则可以用更简单的公式系统来预测运动。

加拿大多伦多大学的物理学家马里奥·克伦（Mario Krenn）说，该团队的神经网络提出了哥白尼式的火星轨迹公式，重新发现了“科学史上最重要的转变之一”。Renner强调，尽管该算法衍生了公式，但仍需要人来解释这些方程式，并理解它们与行星围绕太阳运动的关系。

纽约市哥伦比亚大学的机器人学家霍德·利普森说，这项工作很重要，因为它能够挑选出描述物理系统的关键参数。他说：“我认为，这类技术是我们理解并跟上物理学中乃至更复杂现象的唯一希望。”

Renner和他的团队希望开发机器学习技术，以帮助物理学家解决量子力学中的明显矛盾。

Renner说：“当前量子力学的制定方法在某种程度上可能只是之前的人工产物， 一台计算机可以提出一种没有这种矛盾的表述，但是我们的最新技术还不够完善。为了实现该目标，我们正在尝试开发其神经网络的一种版本，该版本不仅可以从实验数据中学习，而且可以提出全新的实验来检验其假设”。