Cameron Merritt
0 
3278
110
Zap een massa onderkoelde atomen met een magnetisch veld en je zult 'kwantumvuurwerk' zien - stralen van atomen die in schijnbaar willekeurige richtingen afvuren.
Onderzoekers ontdekten dit al in 2017 en ze vermoedden dat er misschien een patroon in dat vuurwerk zit. Maar ze konden het zelf niet zien. Dus legden ze het probleem over aan een computer die was getraind in patroonaanpassing, die in staat was om te ontdekken wat ze niet konden: een vorm, in de loop van de tijd door het vuurwerk geschilderd, in explosie na atoomstraal. Die vorm? Een funky kleine schildpad.
De resultaten, gepubliceerd als een rapport op 1 februari in het tijdschrift Science, behoren tot de eerste grote voorbeelden van wetenschappers die machine learning gebruiken om kwantumfysische problemen op te lossen. Mensen zouden meer van dit soort digitale assists moeten verwachten, schreven de onderzoekers, aangezien kwantumfysica-experimenten steeds vaker systemen omvatten die te groot en te complex zijn om te analyseren met alleen hersenkracht. [De 18 grootste onopgeloste mysteries in de natuurkunde]
Dit is waarom de geautomatiseerde hulp nodig was:
Om het vuurwerk te maken, begonnen de onderzoekers met een toestand die een Bose-Einstein-condensaat wordt genoemd. Dat is een groep atomen die zo dicht bij het absolute nulpunt worden gebracht dat ze samenklonteren en zich gaan gedragen als één superatoom, met kwantumeffecten op relatief grote schaal..
Elke keer dat een magnetisch veld het condensaat trof, schoot een handvol atoomstralen ervan weg, in schijnbaar willekeurige richtingen. De onderzoekers maakten afbeeldingen van de jets, waarbij ze de positie van de atomen in de ruimte bepaalden. Maar zelfs veel van die afbeeldingen die op elkaar lagen, onthulden geen duidelijk rijm of reden voor het gedrag van de atomen.
via Gfycat
Wat de computer zag dat mensen dat niet konden, was dat als die beelden werden gedraaid om op elkaar te zitten, er een duidelijk beeld tevoorschijn kwam. De atomen hadden de neiging om zichzelf tijdens elke explosie in een van de zes richtingen ten opzichte van elkaar weg te werpen van het vuurwerk. Het resultaat was dat voldoende afbeeldingen, geroteerd en gelaagd op de juiste manier, vier "poten" lieten zien die haaks op elkaar stonden, evenals een langere "kop" tussen twee van de poten, gekoppeld aan een "staart" tussen de andere twee. . De rest van de atomen was redelijk gelijkmatig verdeeld over drie ringen, die de schildpad vormden.
Dit was voor menselijke waarnemers niet duidelijk omdat de richting waarin de "schildpad" tijdens elke explosie was gericht willekeurig was. En elke explosie vormde slechts een paar stukjes van de totale puzzel in de vorm van een schildpad. Het kostte het oneindige geduld van een computer om door rommelige gegevens te zoeken om erachter te komen hoe alle afbeeldingen zo gerangschikt moesten worden dat de schildpad tevoorschijn kwam.
Dit soort methode - de patroonherkenning van een computer loslaten op een grote, rommelige dataset - is effectief geweest bij inspanningen variërend van het interpreteren van de gedachten die door de menselijke hersenen gaan tot het spotten van exoplaneten in een baan om verre sterren. Het betekent niet dat computers mensen overtreffen; mensen moeten de machines nog steeds trainen om de patronen op te merken, en de computers begrijpen niet op een zinvolle manier wat ze zien. Maar de benadering is een steeds wijdverbreid instrument in de wetenschappelijke toolkit die nu wordt toegepast op de kwantumfysica.
Toen de computer dit resultaat eenmaal opdook, controleerden de onderzoekers natuurlijk zijn werk met behulp van een aantal ouderwetse technieken voor het zoeken naar patronen die al gebruikelijk waren in de kwantumfysica. En toen ze eenmaal wisten waarnaar ze moesten zoeken, vonden de onderzoekers de schildpad weer, zelfs zonder hulp van de computer.
Geen van deze onderzoeken verklaart nog waarom het vuurwerk na verloop van tijd de vorm van een schildpad vertoont, aldus de onderzoekers. En dat is niet het soort vraag dat machine learning goed kan beantwoorden.
"Het herkennen van een patroon is altijd de eerste stap in de wetenschap, dus dit type machine learning kan verborgen relaties en kenmerken identificeren, vooral als we verschuiven om systemen met een groot aantal deeltjes te begrijpen", aldus hoofdauteur Cheng Chin, een fysicus bij zei de Universiteit van Chicago in een verklaring.
De volgende stap om erachter te komen waarom dat vuurwerk een schildpadpatroon maakt, zal waarschijnlijk veel minder machine learning en veel meer menselijke intuïtie met zich meebrengen.
- 7 vreemde feiten over quarks
- 40 Freaky Frog-foto's
- Top 10 manieren om de aarde te vernietigen
Oorspronkelijk gepubliceerd op .