Et neuralt netværk som ankerpunkt

Kvantemekanik er en veletableret teori, men på et makroskopisk niveau fører det til uhåndterlige modsætninger. Nu foreslår ETH-fysikere at løse problemet ved hjælp af neurale netværk.

Nødvendigheden er opfindelsens moder. "Indtil nu, alle vores forsøg på at løse de modsætninger, der er iboende inden for kvantemekanikken, er mislykkedes, " siger Renato Renner, "det er derfor, vi nu prøver en anden tilgang." Og det er en meget potent tilgang, også - selv om Renner, hvem er professor i teoretisk fysik, betegner det som en "desperation":i en nylig publikation skrevet sammen med sin doktorand Raban Iten, hans kandidatstuderende Tony Metger og andre medlemmer af hans gruppe, Renner viser, hvordan brug af kunstig intelligens kan være med til at give dybere indsigt i fysiske begreber.

Er en sort boks vejen frem?

Udgangspunktet er udsagnet om, at kvantemekanik - ligegyldigt at eksperiment efter eksperiment har bekræftet det - fører til modsætninger. "Da vi påpegede for et år siden, at der må være et grundlæggende problem med kvantemekanik, da du ikke kan anvende kvantemekanik til brugerne af kvantemekanik, vi fik alle mulige reaktioner, og masser af feedback som resultat. Men indtil videre, ingen har fundet på en måde at løse dette elementære dilemma på, " siger Renner.

I starten tanken om, at kunstig intelligens måske kan hjælpe, synes overraskende. Trods alt, neurale netværk - nøgleelementet i kunstig intelligens - fungerer effektivt som en sort boks. Du kan lære dem at genkende ansigter på fotos, men der er ingen måde at vide præcis, hvordan de udfører den opgave. Så hvordan kan en fysiker håbe på at lære noget af dem?

Kondenseret information

ETH-forskernes svar var at designe et todelt "tandem" neuralt netværk. Den første del af netværket får bolden til at rulle ved at beregne parametre, der er nyttige til at udføre fysiske opgaver. Baseret på dette, anden del behandler så et specifikt problem. I mellemtiden, den første del bliver ved med at justere parametrene, indtil den anden del er i stand til at mestre de aktuelle opgaver.

"Det, vi i bund og grund gør her, er at efterligne princippet om fysiske formler, Renner forklarer, "da disse i kondenseret form fortæller dig, hvilke parametre du skal kombinere, og hvor, for at udføre en bestemt opgave." Den første del af det neurale netværk kommunikerer ikke nogen specifikke fysiske formler til den anden del. Snarere, fysikerne kan udtrække de parametre, der krydser grænsefladen mellem de to dele og udlede fysiske formler fra dem - igen ved hjælp af specialiserede computerprogrammer. "Når et neuralt netværk har lært at løse kvantemekaniske problemer, måske finder den en alternativ måde at beskrive kvantesystemer - i det mindste det er hvad vi håber, " siger Renner.

Princippet virker

ETH-fysikerne har demonstreret, at ideen er grundlæggende sund ved hjælp af simple fysiske opgaver. De fik det tandemneurale netværk til at beregne, hvor planeten Mars kunne ses på nattehimlen på et givet tidspunkt. Men alt, hvad forskerne gav netværket at arbejde med, var data om planetens og solens positioner som observeret over tid fra Jorden.

Det neurale netværk identificerede efterfølgende de relevante parametre som dem, der var nødvendige for at beregne Mars' position på basis af det heliocentriske verdensbillede. Med andre ord, det neurale netværk fandt det "rigtige" svar, selvom de oprindelige data absolut ikke gav nogen direkte indikation af, at Jorden og Mars begge kredser om solen, frem for at Jorden er centrum for vores solsystem.

Ubehæftet af antagelser

Som tingene står, ETH -fysikernes tandemnetværk er ikke i stand til at løse komplekse kvantemekaniske problemer. "Men vores arbejde viser, at det godt kunne være et lovende instrument for os teoretiske forskere, " siger Renner. Det neurale netværks store fordel er, at det ikke er påvirket af et sæt forudgående antagelser. "Naturligvis, det er også muligt at forklare Mars bevægelse under forudsætning af at Jorden er i centrum. Men det gør beregningerne meget mere komplicerede, " siger Renner. "Vi befinder os på et lignende tidspunkt i kvantefysikken:vi har en teori, der kan forklare rigtig mange fænomener, men vi er måske blinde for en anden, meget mere elegant beskrivelse af tingene."

Hvordan når vi det rigtige svar?

Renner er godt klar over, at det vil være svært at søge efter en anden beskrivelse, da det næste store spørgsmål allerede hænger i luften:Hvilke indledende data skal det neurale netværk fodres med? "Opgaven med planeterne var dybest set let, fordi vi på forhånd vidste, hvilke indledende data der ville føre til det rigtige svar, "Renner siger." Men hvis vi leder efter ny indsigt, det er viden, vi bare ikke har."