[ad_1]
فیزیکدانان با استفاده از هوش مصنوعی توانسته‌اند یک مسئله کوانتومی پیچیده را که تاکنون حل آن به حل حدود 100 هزار معادله نیاز داشت، در 4 معادله خلاصه کنند. این فشرده‌سازی در شرایطی انجام گرفته که دقت حل مسئله قرباتی نشده و دانشمندان امیدوارند که با همین روش بتوانند بسیاری از مسائل بزرگ دنیای علم مثل ابررسانایی یا تلاش برای استفاده از انرژی‌های پاک را به شکلی آسان‌تر برطرف کنند.
محققان در پژوهشی که نتایج آن در مجله Physical Review Letters منتشر شده، از هوش مصنوعی برای خلاصه کردن مسئله‌ای در رابطه با «مدل هوبارد» استفاده کردند. این مسئله به چگونگی رفتار الکترون‌ها در زمان حرکت در یک فضای شبکه‌مانند می‌پردازد. زمانی که دو الکترون روی یک شبکه قرار می‌گیرند، با هم تعامل برقرار می‌کنند. این پیکربندی که تحت عنوان مدل هوبارد شناخته می‌شود، به دانشمندان اجازه می‌دهد درباره چگونگی تاثیر رفتار الکترون‌ها بر فازهای مختلف ماده از جمله ابررسانایی مطالعه کنند. این مدل همچنین فضایی برای آزمایش متدهایی است که هنوز برای رفتن به سیستم‌های پیچیده کوانتومی آماده نیستند.
پردازش مدل هوبارد به مقدار زیادی توان رایانشی نیاز دارد. چون وقتی الکترون‌ها با هم تعامل برقرار می‌کنند، سرنوشت‌شان می‌تواند به لحاظ مکانیک کوانتومی با یکدیگر درهم‌تنیده شود. حتی زمانی که در یک شبکه فاصله زیادی با هم دارند، نمی‌توان با آن‌ها به‌صورت جداگانه رفتار کرد. پس هرچه تعداد الکترون‌ها و درهم‌تنیدگی‌ها بیشتر شود، چالش پردازش آن‌ها به شکل تصاعدی بالا می‌رود.
محققان چگونه با هوش مصنوعی مسئله خود را ساده کردند؟
یکی از روش‌های مطالعه سیستم‌های کوانتومی استفاده از چیزی موسوم به «گروه بازبهنجارش» است که یک ابزار ریاضی به منظور کشف رفتارهای یک سیستم نظیر مدل هوبارد است. گروه بازبهنجارش همه احتمالات میان الکترون‌های درهم‌تنیده را در نظر می‌گیرد و می‌تواند صدها هزار یا حتی میلیون‌ها معادله را به وجود بیاورد.
پژوهشگران در این مطالعه از شبکه عصبی استفاده کردند تا ابتدا با استفاده از یادگیری ماشینی ارتباطات موجود در گروه بازبهنجارش را بسازند. سپس با استفاده از این شبکه، توان این ارتباطات را دستکاری کنند تا مجموعه‌ی کوچکی از معادلات را به دست بیاورند که نتیجه‌ای مشابه گروه بازبهنجارش اصلی حاصل کند. این سیستم در نهایت توانست مدل هوبارد را در چهار معادله خلاصه کند.
محقق ارشد این پژوهش می‌گوید این دستگاه در واقع می‌تواند الگوهای پنهان را کشف کند. البته آموزش دادن به این سیستم یادگیری ماشینی به پردازش‌های سنگینی نیاز داشته و دستگاه به مدت چند هفته در حال محاسبه بوده است. اما حالا محققان می‌گویند خبر خوب این است که میتوان این برنامه را برای مسائل دیگری به کار گرفت، بدون این که نیاز باشد کار را از صفر شروع کنیم.
[ad_2]
منبع
