15:21 2022-01-25
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Studierea big bang-ului cu inteligența artificială
_ Studierea Big Bang-ului cu inteligență artificială
Nu ar putea fi mai complicat: particulele minuscule se vârtejesc sălbatic cu o energie extrem de mare, nenumărate interacțiuni au loc în mizeria încâlcită a particulelor cuantice și acest lucru are ca rezultat o stare a materiei cunoscută sub numele de „quarc”. -plasmă gluonică”. Imediat după Big Bang, întregul univers era în această stare; astăzi este produs de coliziuni de nuclee atomice de înaltă energie, de exemplu la CERN.
Asemenea procese pot fi studiate doar folosind calculatoare de înaltă performanță și simulări computerizate extrem de complexe ale căror rezultate sunt greu de evaluat. Prin urmare, utilizarea inteligenței artificiale sau a învățării automate în acest scop pare a fi o idee evidentă. Cu toate acestea, algoritmii obișnuiți de învățare automată nu sunt potriviți pentru această sarcină. Proprietățile matematice ale fizicii particulelor necesită o structură foarte specială a rețelelor neuronale. La TU Wien (Viena), s-a arătat acum cum rețelele neuronale pot fi utilizate cu succes pentru aceste sarcini provocatoare din fizica particulelor.
Rețele neuronale
„Simularea unei plasme de quarc-gluoni cât mai realist posibil necesită o cantitate extrem de mare de timp de calcul”, spune dr. Andreas Ipp de la Institutul de Fizică Teoretică de la TU Wien. „Chiar și cele mai mari supercomputere din lume sunt copleșite de asta.” Prin urmare, ar fi de dorit să nu se calculeze fiecare detaliu cu precizie, ci să se recunoască și să prezică anumite proprietăți ale plasmei cu ajutorul inteligenței artificiale.
De aceea, se folosesc rețele neuronale, similare cu cele folosite pentru recunoașterea imaginilor. : „neuronii” artificiali sunt legați între ei pe computer într-un mod similar cu neuronii din creier — și acest lucru creează o rețea care poate recunoaște, de exemplu, dacă o pisică este sau nu vizibilă într-o anumită imagine.
< Atunci când se aplică această tehnică la plasma quarc-gluon, există totuși o problemă serioasă: câmpurile cuantice utilizate pentru a descrie matematic particulele și forțele dintre ele pot fi reprezentate în diferite moduri diferite. „Acest lucru se numește simetrii gage”, spune Ipp. „Principiul de bază din spatele acestui lucru este ceva cu care suntem familiarizați: dacă calibrez un dispozitiv de măsurare diferit, de exemplu dacă folosesc scara Kelvin în loc de scara Celsius pentru termometrul meu, obțin numere complet diferite, chiar dacă descriu aceeași stare fizică. Este similar cu teoriile cuantice - cu excepția faptului că acolo modificările permise sunt matematic mult mai complicate." Obiectele matematice care arată complet diferit la prima vedere pot descrie, de fapt, aceeași stare fizică.Simetrii de gabarit încorporate în structura rețelei
„Dacă nu luați aceste gabarituri. ținând cont de simetrii, nu puteți interpreta în mod semnificativ rezultatele simulărilor pe computer”, spune dr. David I. Müller. „Învățarea unei rețele neuronale să descopere singură aceste simetrii de gabarit ar fi extrem de dificilă. Este mult mai bine să începem prin a proiecta structura rețelei neuronale în așa fel încât simetria gage-ului să fie luată în considerare automat – astfel încât reprezentări diferite ale aceleiași stări fizice produc, de asemenea, aceleași semnale în rețeaua neuronală”, spune Müller. „Acesta este exact ceea ce am reușit acum să facem: am dezvoltat straturi de rețea complet noi, care iau în considerare automat invarianța gage-ului.” În unele aplicații de testare, s-a demonstrat că aceste rețele pot învăța mult mai bine cum să se ocupe de datele de simulare ale plasmei cuarc-gluon.
„Cu astfel de rețele neuronale, devine posibil să se facă predicții despre sistem – de exemplu, să se estimeze cum va arăta plasma de quarc-gluoni într-un moment ulterior în timp, fără a fi nevoie cu adevărat să calculeze fiecare. pas intermediar în timp în detaliu”, spune Andreas Ipp. „Și, în același timp, este asigurat că sistemul produce numai rezultate care nu contrazic simetria gabaritului – cu alte cuvinte, rezultate care au sens cel puțin în principiu.”
Va mai fi ceva timp înainte. este posibil să se simuleze complet coliziunile nucleelor atomice la CERN cu astfel de metode, dar noul tip de rețele neuronale oferă un instrument complet nou și promițător pentru descrierea fenomenelor fizice pentru care toate celelalte metode de calcul nu vor fi niciodată suficient de puternice.
Cercetarea a fost publicată în Physical Review Letters.
Comentarii:
Adauga Comentariu