24.06.2019

Новая нейросеть открывает тайны квантовой физики

Новая нейросеть открывает тайны квантовой физики.

Исследователи Корнелльского университета (США) разработали способ использования машинного обучения для анализа данных, полученных с помощью сканирующей туннельной микроскопии (STM) – метод, предоставляющий информацию, недостижимую любым другим способом. Исследование дало новое понимание того, как взаимодействуют электроны, и показало, как машинное обучение может быть использовано для дальнейших открытий в экспериментальной квантовой физике. Используя STM, электроны туннелируют через вакуум между проводящим наконечником микроскопа и поверхностью исследуемого образца, предоставляя подробную информацию о поведении электронов.

"Речь идет о движении электронов по поверхности тех или иных материалов. Если мы понимает принципы этого движения, то можем управлять сложнейшими физическими процессами и использовать их в практических целях", — говорит профессор Ким Юн А, сотрудник Корнелльского университета.

По словам Ким Юн А, данные, собранные при помощи сканирующей туннельной микроскопии, чрезвычайно сложны для интерпретации, поэтому ученым пришлось потрудиться, чтобы получить полезные сведения из набора сложных узоров.

"Мы поручили эту работу специально созданной нейронной сети. Когда мы скормили набор данных обученной модели искусственного интеллекта, то смогли выяснить, например, какая из теорий лучше подходит для описания поведения электронов на поверхности высокотемпературного сверхпроводника", — добавляет ученый.

Оказалось, что энергия отталкивания воздействует на систему в большей степени, чем кинетическая энергия.

Технологии машинного обучения помогают ученым не только углублять познания в экспериментальных областях квантовой физики, но и получать информацию для создания новейших материалов с заданными параметрами.

Чтобы интерпретировать данные, исследователи смоделировали идеальную среду и добавили факторы, которые могли бы вызвать изменения в поведении электронов. Затем они обучили искусственную нейронную сеть распознавать обстоятельства, связанные с различными теориями. Когда исследователи вводили экспериментальные данные в нейронную сеть, они определяли, на какую из теорий они больше всего похожи. Этот метод подтвердил гипотезу о том, что энергия отталкивающего взаимодействия больше влияет на поведение электронов. По словам исследователей, лучшее понимание того, сколько электронов взаимодействует на разных материалах и в разных условиях, вероятно, приведет к большему количеству открытий, включая разработку новых материалов.

С помощью такого инструмента машинного обучения возможно будет создавать более сложные материалы с заданными свойствами и продолжить исследования в области экспериментальной квантовой физики.

Микроскоп для сверхточной визуализации нейронов разработали в США. Он позволил увидеть синапсы и нейронные сети в мозге мухи в высоком разрешении, и при этом отразить весь срез мозга менее, чем за семь минут.

Центр перспективных экономических исследований Академии Наук РТ 50 лучших инновационных идей для Республики Татарстан Виртуальный музей-библиотека Академии Наук Республики Татарстан Татарстанский ЦНТИ