A ideia é que esses algoritmos de "Inteligência Científica Artificial" decidam qual teoria explica melhor a realidade.
[Imagem: Annabelle Bohrdt/Christoph Hohmann/MCQST]
Teorias na mecânica quântica
"Eu creio que posso dizer com segurança que ninguém entende mecânica quântica," disse certa vez o famoso físico Richard Feynman (1918-1988), um dos pioneiros na área da computação quântica e criador do conceito de nanotecnologia.
E esse dito um tanto contundente parece continuar válido em muitos aspectos hoje.
De fato, vários fenômenos da física permanecem envoltos em mistério. Por exemplo, até hoje não se sabe por que a resistência elétrica dos supercondutores cai a zero quando eles atingem limiares específicos de temperatura. Ou porque uma onda colapsa para um comportamento tipo partícula quando é feita uma medição.
Para entender esses sistemas quânticos, vários modelos teóricos têm sido propostos e estudados. Mas qual reflete melhor a realidade?
Inteligência científica artificial
Ora, se os físicos não conseguem decidir qual é a melhor teoria ou o melhor modelo, que tal pedir uma ajudinha para a inteligência artificial? É o que estão propondo Annabelle Bohrdt e um grupo das universidades Técnica de Munique (Alemanha) e Harvard (EUA).
Segundo eles, a questão de qual modelo descreve melhor um fenômeno quântico pode ser respondida através da análise de imagens, o mesmo mecanismo utilizado para o reconhecimento facial, já amplamente utilizado em outras áreas.
"Semelhante à detecção de gatos ou cães em imagens, imagens de configurações de cada teoria quântica alimentam a rede neural," explica Annabelle. "Os parâmetros da rede são então otimizados para dar a cada imagem o rótulo correto - neste caso, os rótulos são apenas 'teoria A' ou 'teoria B', em vez de gato ou cachorro."
As imagens usadas para treinar a rede neural artificial vêm de experimentos conhecidos como simuladores quânticos.
[Imagem: Bohrdt et al. - 10.1038/s41567-019-0565-x]
Algoritmo-cientista
Para demonstrar a capacidade dos seus "algoritmos-cientistas" baseados em aprendizado de máquina, a equipe escolheu simuladores quânticos baseados em átomos de lítio ultrafrios desenvolvidos para estudar a física da supercondutividade de alta temperatura.
Eles tiraram fotos do sistema quântico, que existe simultaneamente em diferentes configurações devido ao fenômeno quântico da superposição. Cada instantâneo do sistema quântico fornece uma configuração específica de acordo com sua probabilidade.
Hoje, os físicos estão divididos entre duas explicações para o fenômeno, conhecido como modelo de Hubbard-Fermi: a primeira é baseada em uma hipótese conhecida como estado líquido de spin quântico dopado, enquanto a segunda é chamada de teoria geométrica das cordas.
"Esta técnica considera todas as informações disponíveis sem um viés potencial em relação a uma teoria em particular pela escolha de um observável e pode, portanto, selecionar a teoria que é mais preditiva em geral. Até os valores de dopagem intermediários, nosso algoritmo tendeu a classificar os instantâneos experimentais como geométricos, em comparação com o líquido de spin dopado," escreveu a equipe.
Agora é esperar pelo voto dos físicos que optam pela teoria que perdeu para sentir se a adoção de algoritmos-cientistas terá ou não um futuro fácil pela frente. Enquanto isso, a equipe anunciou que irá aplicar seu aprendizado científico de máquina a outros fenômenos quânticos associados à supercondutividade.
Bibliografia:
Artigo: Classifying snapshots of the doped Hubbard model with machine learning
Autores: Annabelle Bohrdt, Christie S. Chiu, Geoffrey Ji, Muqing Xu, Daniel Greif, Markus Greiner, Eugene Demler, Fabian Grusdt, Michael Knap
Revista: Nature Physics
DOI: 10.1038/s41567-019-0565-x
FONTE: SITE INOVAÇÃO TECNOLOGICA
Comentários
Postar um comentário