Это собака или кошка? Такая классификация является ярким примером машинного обучения: искусственные нейронные сети можно обучить анализировать изображения, ища закономерности, характерные для конкретных объектов.
Если система усвоила такие шаблоны, она способна распознавать собак или кошек на любом изображении.
Используя тот же принцип, нейронные сети могут обнаруживать изменения в тканях на радиологических изображениях.
В настоящее время физики используют этот метод для анализа изображений – так называемых снимков – квантовых систем многих тел и выясняют, какая теория лучше всего описывает наблюдаемые явления.
Квантовый мир вероятностей
Некоторые явления в физике конденсированного состояния, изучающей твердые тела и жидкости, остаются покрытыми тайной.
Например, до сих пор остается неясным, почему электрическое сопротивление высокотемпературных сверхпроводников падает до нуля при температуре около -200 градусов Цельсия.
Понимание таких необычных состояний материи является сложной задачей: квантовые симуляторы на основе ультрахолодных атомов лития были разработаны для изучения физики высокотемпературных сверхпроводников. Они делают снимки квантовой системы, которая существует одновременно в разных конфигурациях – физики говорят о суперпозиции. Каждый снимок квантовой системы дает одну конкретную конфигурацию в соответствии с ее квантово-механической вероятностью.
Чтобы понять такие квантовые системы, были разработаны различные теоретические модели. Но насколько хорошо они отражают реальность? На вопрос можно ответить, проанализировав данные изображения.
Нейронные сети исследуют квантовый мир
С этой целью группа исследователей из Технического университета Мюнхена и Гарвардского университета успешно применила машинное обучение: исследователи обучили искусственную нейронную сеть различать две конкурирующие теории.
«Подобно обнаружению кошек или собак на изображениях, изображения конфигураций из каждой квантовой теории вводятся в нейронную сеть», – говорит Аннабель Бордт, докторант ТУМ. "Затем параметры сети оптимизируются, чтобы дать каждому изображению правильный ярлык – в данном случае это просто теория A или теория B, а не кошка или собака."
После фазы обучения с теоретическими данными нейронная сеть должна была применить то, что она узнала, и назначить снимки из квантовых симуляторов теории A или B. Таким образом, сеть выбрала теорию, которая более предсказуема.
В будущем исследователи планируют использовать этот новый метод для оценки точности нескольких теоретических описаний. Цель состоит в том, чтобы понять основные физические эффекты высокотемпературной сверхпроводимости, которая имеет множество важных приложений, причем передача электроэнергии без потерь и эффективная магнитно-резонансная томография являются лишь двумя примерами.