Kvantevidenskab bliver social

Forskere i et laboratorium ved Aarhus Universitet har udviklet en alsidig fjernspil -grænseflade, der gjorde det muligt for eksterne eksperter såvel som hundredvis af borgerforskere over hele verden at optimere et kvantegaseksperiment gennem multiplayer -samarbejde og i realtid. Begge teams indsats blev dramatisk forbedret i forhold til de tidligere bedste løsninger, der blev etableret efter måneders omhyggelig eksperimentel optimering. Sammenligning af domæneksperter, algoritmer og borgerforskere er et første skridt i retning af at opklare, hvordan mennesker løser komplekse, naturvidenskabelige problemer.

I en fremtid præget af algoritmer med stadigt stigende beregningseffekt, det er vigtigt at forstå forskellen mellem menneskelig og maskineintelligens. Dette vil muliggøre udvikling af hybrid intelligens -grænseflader, der optimalt udnytter det bedste fra begge verdener. Ved at stille komplekse forskningsudfordringer til rådighed for offentlighedens bidrag, borgervidenskab gør præcis dette. Talrige borgervidenskabelige projekter har vist, at mennesker kan konkurrere med state-of-the-art algoritmer om at løse komplekse, naturvidenskabelige problemer.

Imidlertid, disse projekter har hidtil ikke taget fat på, hvorfor et kollektiv af borgerforskere kan løse så komplekse problemer. Et tværfagligt team af forskere fra Aarhus Universitet, Ulm Universitet, og University of Sussex, Brighton har nu taget vigtige første skridt i denne retning ved at analysere ydeevne og søgestrategi for både en state-of-the-art computeralgoritme og borgerforskere i deres realtidsoptimering af en eksperimentel laboratorieindstilling.

Alice -udfordringen

I Alice Challenge, Robert Heck og kolleger gav eksperter og borgerforskere live adgang til deres ultrakolde kvantegaseksperiment. Dette blev muliggjort via en ny fjernbetjening, der blev oprettet af teamet på ScienceAtHome ved Aarhus Universitet. Ved at manipulere laserstråler og magnetfelter, opgaven var at afkøle så mange atomer som muligt ned til ekstremt kolde temperaturer lige over det absolutte nul ved -273,15 ° C. Dette såkaldte Bose-Einstein-kondensat (BEC) er en særskilt tilstand af stof (som fast, væske, gas eller plasma), der udgør en ideel kandidat til at udføre ting som kvantesimuleringsforsøg og højpræcisionsmålinger.

Som beskrevet nedenfor brugte begge grupper succesfuldt den eksterne grænseflade til at forbedre tidligere optimale løsninger. I denne første nogensinde borgervidenskabelige eksperimentelle optimeringsudfordring med feedback i realtid, forskerne kvantificerede yderligere borgerforskernes adfærd. De konkluderede, at det, der gør menneskelig problemløsning unik, er, at et kollektiv af individer kan afbalancere innovative forsøg og forfine eksisterende løsninger baseret på deres tidligere præstationer.

Kvantoptimering som en fjerntjeneste

Kvanteteknologi træder i stigende grad ud af universitetslaboratorier og ind i erhvervslivet. Til højtydende og robuste applikationer, ekstraordinære niveauer af kontrol af de komplekse systemer er nødvendige, samt nye metoder inden for både teoretisk og eksperimentel videnskab. Dette kræver tværfaglige og ofte transinstitutionelle samarbejder, hvilket igen nødvendiggør udvikling af effektive grænseflader, så hver af eksperterne kan bidrage så effektivt som muligt.

I de seneste år, fjerngrænseflader til eksperimentelle apparater er begyndt at dukke op. Imidlertid, de er altid fokuseret enten på uddannelsesmæssige rammer eller undersøgelsen af ​​et meget bestemt eksperimentelt setup.

I modsætning, Robert Heck og kolleger i det nuværende arbejde satte sig for at udvikle en fleksibel fjernbetjening og en kraftfuld optimeringsalgoritme, der potentielt kan anvendes på mange andre indstillinger i fremtiden. Den eksperimentelle produktion af BEC'er fungerer som en ideel testbænk:

RedCRAB -pakken

"At få maskiner til at spille Alice Challenge sammen med mennesker over internettet krævede, at vi lavede en ny softwarepakke, RedCRAB, til fjernoptimering af kvanteeksperimenter, "forklarede Tommaso Calarco og Simone Montangero, ledere af Ulm -optimeringsteamet.

RedCRAB er ideel til problemer med mange kontrolparametre, når den nøjagtige teoretiske modellering af systemet er ukendt, og andre traditionelle optimeringsmetoder fejler. Det har desuden den fordel, at optimeringseksperterne let kan justere algoritmiske parametre og udnytte sit fulde potentiale uden at kræve mellemliggende kommunikation med det eksperimentelle team. I øvrigt, effektiviteten af ​​optimeringen kan analyseres, og baseret på det, algoritmiske forbedringer kan foretages og let overføres til fremtidige eksperimenter.

Tommaso Calarco er ekstremt begejstret for resultaterne:

"RedCRAB -optimering fungerede så godt, at det nu anvendes i flere laboratorier rundt om i verden for at forbedre ydelsen af ​​kvanteenheder. Vi planlægger at udvide dette som en cloud -service, som vi tror sandsynligvis vil resultere i hurtigere udvikling af den teoretiske forståelse, af den algoritmiske udvikling og generelt for kvantevidenskab og teknologier. "

Kan enhver forskningsudfordring blive til et spil?

Som nævnt ovenfor, spilgrænseflader har i de senere år gjort det muligt for ikke-eksperter at bruge deres kreativitet og intuition til at bidrage til forskellige videnskabelige områder. I 2016, Aarhus forskergruppe rapporterede resultaterne af det første kvanteborgervidenskabelige spil, Quantum Moves, i Natur . I spillet, spillerne bidrog til at finde hurtige og effektive løsninger til atomtransport i en kvanteberegningsarkitektur.

Den klare vandlignende analogi af netop dette spil og mangel på andre kvantespil har siden udløst kritikken om, at måske ikke-eksperter kun kan bidrage i forskningsemner, som der kan etableres en klar klassisk analogi for. Da dette sjældent kan fastslås for en given forskningsudfordring, det kunne se ud til, at gamification -tilgangen er af meget begrænset generel anvendelighed, og Quantum Moves var bare et helt specielt tilfælde.

For at teste denne hypotese, den eksterne grænseflade til eksperimentet med ultrakolde atomer i Aarhus blev omdannet til et borgervidenskabeligt spil, Alice -udfordringen. Konkret, spillerne kontrollerede laserintensiteter og magnetfelter i den eksperimentelle sekvens. Som illustreret i figuren er "game" -interfacet langt fra intuitivt og måske ikke særlig underholdende. Spillerne trækker en eller flere af kurverne, tryk på knappen Send. Derefter blev løsningen sendt til laboratoriet, eksperimentet udført, og cirka 35 sekunder senere meddeles resultatet til spilleren.

To ugers spil - og bedre løsninger

Robert Heck, en af ​​de ledende forskere i designet af Alice Challenge og første forfatter til papiret:

"Dette realiserer den første borgervidenskabelige eksperimentelle optimeringsudfordring nogensinde med feedback i realtid på ethvert område. I Alice Challenge havde 600 borgerforskere over to uger adgang til vores laboratorium i Aarhus. Inden for denne tid, 7577 løsninger blev indsendt og realiseret i laboratoriet. Det var også en udfordring for os. Da vores deltagere kom fra hele verden, måtte vi holde eksperimentet online i to uger i træk uden afbrydelser. "

Selvom spillerne ikke havde nogen formel uddannelse i eksperimentel fysik, lykkedes det stadig konsekvent at finde overraskende gode løsninger. Hvorfor? Et tip kom fra et interview med en topspiller, en pensioneret italiensk mikrobølgesystemingeniør. Han sagde, at for ham at deltage i Alice Challenge mindede ham meget om hans tidligere job som ingeniør. Han opnåede aldrig en detaljeret forståelse af mikrobølgesystemer, men brugte i stedet år på at udvikle en intuition om, hvordan man optimerer ydeevnen for sin "black-box".

"Dette er ekstremt spændende. Vi mennesker kan udvikle generelle optimeringsevner i vores daglige arbejdsliv, som vi effektivt kan overføre til nye indstillinger. Hvis dette er sandt, enhver forskningsudfordring kan faktisk blive til et borgervidenskabeligt spil, "sagde Jacob Sherson, leder af projektet ScienceAtHome.

Er borgerforskere virkelig bedre?

Hvordan kan utrænede amatører, der bruger en uintuitiv spilgrænseflade, udkonkurrere eksperteksperimentelister? Et svar kan ligge i et gammelt citat fra Herbert Simon:"At løse et problem betyder simpelthen at repræsentere det for at gøre løsningen gennemsigtig". I denne opfattelse, spillerne klarer sig måske bedre, ikke fordi de har overlegne færdigheder, men fordi grænsefladen, de bruger, gør en anden form for udforskning "det oplagte at prøve" i forhold til den traditionelle eksperimentelle kontrolgrænseflade.

"Processen med at udvikle sjove grænseflader, der gør det muligt for både eksperter og borgerforskere at se de komplekse forskningsproblemer fra forskellige vinkler, kan indeholde nøglen til at udvikle fremtidige hybrid -intelligenssystemer, hvor vi udnytter menneskelig kreativitet optimalt, "forklarede Jacob Sherson.

Samfundsvidenskab i naturen

En anden grund til borgerforskernes succes skyldes sandsynligvis det multiplayer -samarbejde, som den eksterne grænseflade muliggjorde. Test af denne hypotese indebar en betydelig fremgang i forhold til traditionel samfundsvidenskab.

Carsten Bergenholtz og Oana Vuculescu, projektets samfundsvidenskabelige eksperter:

"Inden for samfundsvidenskaben er vi interesserede i, hvordan mennesker løser problemer. Men vi inviterer dem ofte til et samfundsvidenskabeligt laboratorium for at løse kunstige problemer, som ikke er direkte forbundet med den virkelige verden. Desuden, individer i laboratoriet løser normalt disse kunstige problemer alene. I modsætning, vores Alice Challenge var en unik mulighed for at lave samfundsvidenskab 'i naturen', dvs. spillere løste et reelt problem, og vi tillod spillere at samarbejde og lære af hinanden. Samlet set, dette gør os i stand til at tage fat på, hvorfor et kollektiv af borgerforskere er overraskende gode til at løse så komplekse problemer. "

Forskerne finder ud af, at personer øverst eller nederst på ranglisten opfører sig anderledes. Veludførende spillere foretager små ændringer i deres foreslåede løsninger, mens dårligt performende spillere udforsker det ukendte og anvender større ændringer. Da dårligt udførte spillere bevæger sig opad i rækkerne og, omvendt, veludførende spillere bevæger sig nedad individer tilpasser deres søgning i overensstemmelse hermed.

På et kollektivt plan, det betyder, at der altid er nogle spillere øverst på et leaderboard, der optimerer den nuværende bedste løsning samt nogle spillere i bunden af ​​et leaderboard, der fornyer og afprøver helt nye løsninger. Dette blev direkte sammenlignet med RedCRAB -algoritmens adfærd, der var meget mere lokal i naturen - med fokus på små trin til iterativt at forbedre den nuværende løsning i stedet for at søge i det store landskab generelt.

En unik indsigt

"Disse fund giver indsigt i den unikke menneskelige evne til kollektivt at løse komplekse problemer. Udnyttelse af denne viden vil muliggøre design af hybrid intelligens -grænseflader, der kombinerer beregningsstyrker ved AI med fordelene ved menneskelig intuition, "sagde Carsten Bergenholtz og Oana Vuculescu.

Mark Bason ved University of Sussex ser på fremtiden:

"Videnskabens fremskridt er meget ofte resultatet af et tæt samarbejde mellem etablerede grupper, som dem fra den akademiske verden eller industrien. Imidlertid, teknologien er kommet så langt, at mange nye interaktioner er mulige. Ved at åbne vores forskning, vi kan nu drage fordel af spillernes evner, algoritmer og hybridmetoder til de to. "