Abstract

German:

Semantische Netze sind ein nützliches Werkzeug um Wissen strukturiert darzustellen. Ihre Einsatzmöglichkeiten sind vielfältig und reichen von dem Aufbau von Wissensdatenbanken bis zum automatisierten schlussfolgern logischer Zusammenhänge. Physik hingegen ist eine anspruchsvolle Wissenschaft, die unsere reale welt durch mathematische Modelle beschreibt. Diese Arbeit untersucht die Frage wie sich physikalische Erkenntnisse mit semantischen Netzen darstellen lassen. Dabei werden verschiedene Ansätze verfolgt das wissen auf unterschiedliche Weise zu strukturieren. Die Erzeugung der semantischen Netzwerk Daten wird mit Hilfe der modernen Methoden der generativen KI durchgeführt. Dadurch können auch aufschlussreiche Einblicke darüber gewonnen werden wie das interne Verständnis der großen Sprachmodelle von Physik aussieht.

English:

Semantic networks are a useful tool for representing knowledge in a structured manner. Their possible uses are diverse and range from the creation of knowledge databases to automated reasoning. Physics on the other hand, is a sophisticated science that describes our real world using mathematical models. This work examines the question of how physical findings can be represented using semantic networks. It uses various approaches to structure the physics knowledge in different ways. Modern methods of generative AI are used to create the semantic network data. This also provides informative insights into the internal understanding of physics of large language models.