Sieci neuronowe rozwiązują fizyczne zagadki

Fot. Pixabay CC0

Naukowcy z Uniwersytetu Technicznego w Monachium (TUM) i Uniwersytetu Harvarda w Stanach Zjednoczonych wdrożyli sieci neuronowe do analizy obrazu układów kwantowych.

Sztuczne sieci neuronowe mogą być szkolone do analizowania obrazów poprzez wyszukiwanie wzorców charakterystycznych dla określonych obiektów. W ten sposób mogą być rozpoznawać później wzorce na każdym zdjęciu. Analogicznie mogą one wykrywać nieprawidłowości na obrazach radiologicznych.

Obecnie fizycy używają sieci do analizy obrazów kwantowych układów wielu ciał, dzięki czemu ustalą, która teoria najlepiej opisuje obserwowane zjawiska. Aby zrozumieć takie systemy kwantowe, opracowano różne modele teoretyczne. Wciąż jednak nie wiadomo jak dobrze odzwierciedlają one rzeczywistość.

Zespół z TUM i Uniwersytetu Harvarda zastosował w tym celu uczenie maszynowe. Sztuczna sieć neuronowa sama dokona wyboru między dwoma konkurencyjnymi teoriami. Annabelle Bohrdt, doktorantka w TUM, wyjaśnia: „Podobnie jak w przypadku wykrywania kotów lub psów na zdjęciach, obrazy konfiguracji z każdej teorii kwantowej są wprowadzane do sieci neuronowej. Parametry sieci są następnie optymalizowane, aby nadać każdemu obrazowi odpowiednią etykietę - w tym przypadku są to tylko teoria A lub teoria B zamiast kota lub psa".

Metoda ta zostanie w przyszłości wykorzystana do oceny dokładności kilku opisów teoretycznych, co będzie miało na celu zrozumienie głównych efektów fizycznych nadprzewodnictwa wysokotemperaturowego. Ma ono wiele ważnych zastosowań, z których można wymienić jako przykład dwa: bezstratne przesyłanie energii elektrycznej czy wydajne obrazowanie rezonansu magnetycznego.

(KB)