Thomas Dalton
0 
4986
1323
Descarcă o masă de atomi supraîncărcați cu un câmp magnetic și vei vedea „artificii cuantice” - jeturi de atomi care se opresc în direcții aparent aleatorii.
Cercetătorii au descoperit acest lucru în 2017 și au bănuit că ar putea exista un model în acele artificii. Dar nu l-au putut vedea singuri. Așa că, au transmis problema unui computer instruit în potrivirea modelelor, care a fost capabil să constate ce nu au putut: o formă, pictată de artificii de-a lungul timpului, în explozie după explozia cu jet atomic. Acea formă? O broască țestoasă funky.
Rezultatele, publicate ca raport pe 1 februarie în revista Science, sunt printre primele exemple majore de oameni de știință care folosesc învățarea mașinii pentru a rezolva problemele de fizică cuantică. Oamenii ar trebui să se aștepte să vadă mai multe asistențe digitale de acest fel, au scris cercetătorii, deoarece experimentele de fizică cuantică implică din ce în ce mai multe sisteme prea mari și complexe pentru a analiza folosind puterea creierului numai. [Cele mai mari 18 mistere nesoluționate în fizică]
Iată de ce a fost necesar ajutorul computerizat:
Pentru a crea artificiile, cercetătorii au început cu o stare de materie numită condensat Bose-Einstein. Acesta este un grup de atomi adus la temperaturi atât de aproape de zero absolut încât se aglomerează și încep să se comporte ca un superatom, care prezintă efecte cuantice la scări relativ mari..
De fiecare dată când un câmp magnetic a lovit condensul, o mână de jeturi atomice s-ar trage departe de el, în direcții aparent aleatorii. Cercetătorii au realizat imagini cu jeturi, identificând pozițiile atomilor în spațiu. Dar chiar și multe dintre aceste imagini stratificate una peste alta nu au dezvăluit nici o rime sau un motiv evident pentru comportamentul atomilor.
prin Gfycat
Ceea ce computerul a văzut că oamenii nu pot fi, este că, dacă aceste imagini erau rotite pentru a sta unul peste altul, a apărut o imagine clară. În medie, atomii tindeau să se îndepărteze de focurile de artificii într-una din șase direcții în raport cu celălalt în timpul fiecărei explozii. Rezultatul a fost că suficiente imagini, rotite și stratificate în modul corect, au dezvăluit patru „picioare” în unghi drept unul cu celălalt, precum și un „cap” mai lung între două dintre picioare, asortate cu o „coadă” între celelalte două. . Restul atomilor au fost distribuți în mod uniform pe trei inele, care alcătuiau coaja țestoasei.
Acest lucru nu era evident pentru observatorii umani, deoarece direcția în care „țestoasa” era orientată în timpul fiecărei explozii era aleatorie. Și fiecare explozie a alcătuit doar câteva piese din puzzle-ul în formă de broască țestoasă. A fost nevoie de răbdarea infinită a calculatorului pentru a trece prin datele dezordonate pentru a-și da seama cum să aranjezi toate imaginile astfel încât țestoasa să apară.
Acest fel de metodă - transformarea abilităților de recunoaștere a modelului unui computer pe un set mare de date dezordonate - a fost eficientă în eforturile de la interpretarea gândurilor care trec prin creierul uman până la depistarea exoplanetelor care orbitează stele îndepărtate. Nu înseamnă că computerele depășesc oamenii; oamenii mai trebuie să antreneze utilajele pentru a observa tiparele, iar calculatoarele nu înțeleg în niciun fel semnificativ ceea ce văd. Dar abordarea este un instrument din ce în ce mai răspândit în setul de instrumente științifice care a fost aplicat acum fizicii cuantice.
Desigur, odată ce computerul a dat acest rezultat, cercetătorii și-au verificat activitatea, folosind câteva tehnici de vânătoare de modă veche, care sunt deja comune în fizica cuantică. Și odată ce au știut ce să caute, cercetătorii au găsit din nou broasca țestoasă, chiar și fără ajutorul computerului.
Nici o cercetare nu explică încă de ce artificiile, de-a lungul timpului, nu prezintă forma de broască țestoasă, au subliniat cercetătorii. Și nu asta este un fel de învățare automată la întrebări care este bine să răspundă.
„Recunoașterea unui model este întotdeauna primul pas în știință, astfel încât acest tip de învățare automată ar putea identifica relațiile și caracteristicile ascunse, mai ales când ne îndreptăm spre a înțelege sistemele cu un număr mare de particule”, a spus autorul principal Cheng Chin, fizician la Universitatea din Chicago, a declarat într-un comunicat.
Următorul pas în a descoperi de ce aceste artificii fac un model de broască țestoasă va implica probabil mult mai puțină învățare a mașinii și mult mai multă intuiție umană.
- 7 fapte ciudate despre Quarks
- 40 de fotografii cu broaște Freaky
- Top 10 moduri de a distruge Pământul
Publicat inițial la .