هنگامیکه خلاصه کردن 100 هزار معادله به 4 معادله توسط هوش مصنوعی انجام می شود ، آیا انسان دنیا را پیچیده می بیند ؟
به گزارش تیم روبودرس ، یک گروه بین المللی از فیزیکدانان هوش مصنوعی را برای فشرده سازی یک مسئله کوانتومی بسیار پیچیده که شامل بیش از ۱۰۰ هزار معادله است ، به معادله‌ای که تنها به حل ۴ معادله نیاز دارد ، به کار بردند.
جالب اینکه این فشرده سازی یعنی خلاصه کردن 100 هزار معادله به 4 معادله ، دقت نتیجه را ذره ای تغییر نداده و می‌تواند به انقلابی در سیستم های پژوهشی در زمینه فیزیک کوانتوم کمک کند.
این کار پژوهشی توسط دومینیکو دی سانته ، استادیار دانشگاه بولونیا در ایتالیا انجام شد و بر “مدل هابارد” تمرکز داشت که تلاش می‌کند انتقال بین سیستم‌های رسانا و عایق را توضیح دهد.
مدل هابارد
مدل هابارد برای اولین بار در سال ۱۹۶۳ ارائه شد و سعی می کند رفتار الکترون ها را هنگامی که روی یک شبکه توری قرار می‌گیرند ، توضیح دهد.
بر اساس این مدل ، زمانی که دو الکترون یک مکان را در شبکه اشغال می‌کنند ، برهم کنش می‌کنند و سرنوشت آن ها به صورت مکانیک کوانتومی درهم تنیده می‌شود ، حتی اگر دور از هم قرار بگیرند.
مطالعه رفتار الکترون به فیزیکدانان کمک می کند تا حالت ها و مراحل مختلف ماده را توضیح دهند. با این حال ، از آنجایی که الکترون ها از نظر مکانیک کوانتومی درهم تنیده هستند ، فیزیکدانان باید در محاسبه های خود همه الکترون ها را با هم در نظر بگیرند.
این مسئله ، محاسبه ها را به یک چالش ریاضی پیچیده تبدیل می کند که در آن هر چه تعداد الکترون های مورد نظر بیش تر باشد ، محاسبه ها به طور تصاعدی سخت تر می‌شود.
مثل وقتی که پای خلاصه کردن 100 هزار معادله به 4 معادله در میان باشد 🙂
فیزیکدانان برای ساده کردن این کار از یک دستگاه ریاضی به نام “گروه عادی‌سازی مجدد” استفاده کردند که می تواند به ردیابی همه برهم کنش‌های الکترون کمک کند.
یک گروه عادی سازی مجدد می تواند در نهایت حاوی بین ده ها هزار تا میلیون ها معادله باشد که نیاز به حل دارند و حل کردن آن ها در حالت عادی دشوار است.
بکارگیری هوش مصنوعی برای ساده سازی
دی سانته و همکارانش در این فکر بودند که آیا می‌توان از هوش مصنوعی برای ساده‌سازی این مسئله استفاده کرد؟
آن ها به شبکه های عصبی روی آوردند ، جایی که نرم افزار ابتدا اتصالاتی را بین گروه عادی سازی مجدد ایجاد کرد و سپس قدرت آن اتصالات را تغییر داد تا مجموعه کوچکی از معادله ها را پیدا کند که همان راه حل گروه اصلی را ایجاد کند.
این برنامه برای درک پیچیدگی مدل هابارد به قدرت محاسباتی زیادی نیاز داشت و هفته ها اجرا شد ، اما خروجی نهایی آن ، مدل هابارد را تنها در چهار معادله خلاصه کرد.
دی سانته گفت : این اساساً ماشینی است که قدرت کشف الگوهای پنهان را دارد. وقتی نتیجه را دیدیم ، گفتیم وای ، این بیشتر از آن چیزی است که انتظار داشتیم. واقعاً توانستیم فیزیک مربوطه را درک و خلاصه کنیم.
اکنون که این برنامه برای جستجوی چنین الگوهایی مثل خلاصه کردن 100 هزار معادله به 4 معادله آموزش دیده است ، می‌توان آن را برای مشاهده سایر مشکلات مشابه بدون نیاز به شروع از ابتدا تطبیق داد.
اگر بتوان این برنامه را برای مشکلات دیگر مقیاس بندی کرد ، دانشمندان مایلند از آن برای طراحی موادی استفاده کنند که ابر رسانایی را ارائه می‌دهند ، جایی که الکترون ها بدون هیچ مقاومتی از درون ماده عبور می کنند.
علاوه بر این ، دی سانته و همکارانش اکنون به چیزی فراتر از خلاصه کردن 100 هزار معادله به 4 معادله هستند.
آن ها هم اکنون در حال بررسی نحوه عملکرد یادگیری ماشین در این نمونه هستند تا بینشی در مورد نحوه کارکرد آن و آنچه فیزیکدانان تا کنون از دست داده‌اند ، ارائه کنند.
