北京大学物理学院马滟青教授带领的科研团队近日取得一项突破性成果，其研发的智能系统“AI-牛顿”在完全自主探索中，从实验噪声数据中成功推导出经典力学核心定律。这项研究突破了传统人工智能的局限，为科学发现自动化开辟了新路径。
该系统在无人工干预且未预设任何物理理论框架的条件下，仅通过分析46组实验产生的原始噪声信号，便独立推导出牛顿第二定律（F=ma）。这一发现过程完全模拟人类科学家的认知模式，采用"假设生成-验证迭代"的推理机制，而非简单的数据拟合或模式识别。
研究团队构建的智能系统包含三层知识架构：底层通过符号回归技术从时空坐标中提取基础物理量，中层运用微分代数方法形成概念体系，顶层则自主构建物理定律间的逻辑关联。这种分层认知模式使系统不仅能发现力与运动的关系，还同步推导出能量守恒等基础物理法则。
与传统人工智能工具不同，“AI-牛顿”具备完整的科学发现能力。它通过自建实验数据库生成训练数据，在虚拟环境中模拟物理过程，逐步完善对物理世界的认知。这种从原始数据到理论构建的完整链条，标志着人工智能首次具备独立进行科学探索的能力。
国际权威学术期刊《自然》在新闻专栏对该成果进行专题报道，重点强调其方法论创新。文章指出，该研究采用的合情推理策略，通过生成假设、设计验证实验、分析结果的正反馈循环，完整复现了人类科学发现的思维过程。
目前研究团队正拓展系统应用范围，计划将其引入量子力学等复杂理论领域。初步测试显示，系统已展现出处理高维度数据和发现非线性规律的能力，这为探索量子纠缠、超导机制等前沿问题提供了新的研究范式。
