خلاصه 100 هزار معادله کوانتومی به 4 معادله با یاری هوش مصنوعی
به گزارش وبلاگ ساعت فانتزی، یک گروه بین المللی با استفاده از هوش مصنوعی 100 هزار معادله کوانتومی را به 4 معادله بدون تغییر در نتیجه خلاصه کرد.
یک گروه بین المللی از فیزیکدانان، هوش مصنوعی را برای فشرده سازی یک مسئله کوانتومی بسیار پیچیده که شامل بیش از 100 هزار معادله است، به معادله ای که تنها به حل 4 معادله احتیاج دارد، به کار بردند. جالب اینکه این فشرده سازی، دقت نتیجه را تغییر نداد و می تواند به انقلابی در سیستم های پژوهشی در زمینه فیزیک کوانتوم یاری کند.
این کار پژوهشی به وسیله دومینیکو دی سانته، استادیار دانشگاه بولونیا در ایتالیا انجام شد و بر مدل هابارد تمرکز داشت که کوشش می نماید انتقال بین سیستم های رسانا و عایق را شرح دهد.
مدل هابارد
مدل هابارد برای اولین بار در سال 1963 ارائه شد و سعی می نماید رفتار الکترون ها را هنگامی که روی یک شبکه توری قرار می گیرند، شرح دهد. بر اساس این مدل، زمانی که دو الکترون یک مکان را در شبکه اشغال می نمایند، برهم کنش می نمایند و سرنوشت آن ها به صورت مکانیک کوانتومی درهم تنیده می گردد، حتی اگر دور از هم قرار گیرند.
مطالعه رفتار الکترون به فیزیکدانان یاری می نماید تا حالت ها و مراحل مختلف ماده را شرح دهند. با این حال، از آنجایی که الکترون ها از نظر مکانیک کوانتومی درهم تنیده هستند، فیزیکدانان باید در محاسبه های خود همه الکترون ها را با هم در نظر بگیرند. این مسئله، محاسبه ها را به یک چالش ریاضی پیچیده تبدیل می نماید که در آن هر چه تعداد الکترون های مورد نظر بیشتر باشد، محاسبه ها به طور تصاعدی سخت تر می گردد.
فیزیکدانان برای ساده کردن این کار از یک دستگاه ریاضی به نام گروه عادی سازی مجدد استفاده کردند که می تواند به ردیابی همه برهمکنش های الکترون یاری کند. یک گروه عادی سازی مجدد می تواند در نهایت حاوی بین ده ها هزار تا میلیون ها معادله باشد که احتیاج به حل دارند.
بکارگیری هوش مصنوعی برای ساده سازی
دی سانته و همکارانش در این فکر بودند که آیا می توان از هوش مصنوعی برای ساده سازی این مسئله استفاده کرد؟ آن ها به شبکه های عصبی روی آوردند، جایی که نرم افزار ابتدا اتصالاتی را بین گروه عادی سازی مجدد ایجاد کرد و سپس قدرت آن اتصالات را تغییر داد تا مجموعه کوچکی از معادله ها را پیدا کند که همان راهکار گروه اصلی را ایجاد کند.
این برنامه برای درک پیچیدگی مدل هابارد به قدرت محاسباتی زیادی احتیاج داشت و هفته ها اجرا شد، اما خروجی نهایی آن، مدل هابارد را تنها در چهار معادله خلاصه کرد.
دی سانته گفت: این اساساً ماشینی است که قدرت کشف الگو های پنهان را دارد. وقتی نتیجه را دیدیم، گفتیم وای، این بیشتر از آن چیزی است که انتظار داشتیم. واقعاً توانستیم فیزیک مربوطه را درک و خلاصه کنیم.
اکنون که این برنامه برای جستجوی چنین الگو هایی آموزش دیده است، می توان آن را برای مشاهده سایر مسائل مشابه بدون احتیاج به آغاز از ابتدا تطبیق داد.
اگر بتوان این برنامه را برای مسائل دیگر مقیاس بندی کرد، دانشمندان مایلند از آن برای طراحی موادی استفاده نمایند که ابررسانایی را ارائه می دهند، جایی که الکترون ها بدون هیچ مقاومتی از درون ماده عبور می نمایند.
علاوه بر این، دی سانته و همکارانش اکنون در حال آنالیز نحوه عملکرد یادگیری ماشین در این نمونه هستند تا بینشی در خصوص نحوه کارکرد آن و آنچه فیزیکدانان تا به امروز از دست داده اند، ارائه نمایند.
وبلاگ ساعت فانتزی فضای مجازی دریچه فناوری
منبع: باشگاه خبرنگاران جوان