Forskere udvikler algoritmer til at se inde i materialer med subatomære partikler

University of Kent's School of Physical Sciences, i samarbejde med Science and Technology Facilities Council (STFC) og universiteterne i Cardiff, Durham og Leeds, har udviklet en algoritme til at træne computere til at analysere signaler fra subatomare partikler indlejret i avancerede elektroniske materialer.

Partiklerne, kaldet muoner, fremstilles i store partikelacceleratorer og implanteres inde i prøver af materialer for at undersøge deres magnetiske egenskaber. Muoner er enestående nyttige, da de kobles magnetisk til individuelle atomer inde i materialet og derefter udsender et signal, der kan påvises af forskere for at få information om den magnetisme.

Denne evne til at undersøge magnetisme på atomær skala gør muon-baserede målinger til en af ​​de mest kraftfulde magnetismeprober i elektroniske materialer, herunder 'kvantematerialer' såsom superledere og andre eksotiske former for stof.

Da det ikke er muligt at udlede, hvad der foregår i materialet ved simpel undersøgelse af signalet, forskere sammenligner normalt deres data med generiske modeller. I modsætning, det nuværende team tilpassede en datavidenskabsteknik kaldet Principal Component Analysis (PCA), hyppigt ansat i ansigtsgenkendelse.

PCA-teknikken indebærer, at en computer bliver fodret med mange relaterede, men forskellige billeder og derefter kører en algoritme, der identificerer et lille antal "arketypiske" billeder, der kan kombineres for at reproducere, med stor nøjagtighed, nogen af ​​de originale billeder. En algoritme, der er trænet på denne måde, kan derefter fortsætte med at udføre opgaver såsom at genkende, om et nyt billede matcher et tidligere set.

Forskere tilpassede PCA-teknikken til at analysere de signaler, der udsendes af muoner indlejret i komplekse materialer, træning af algoritmen for en række kvantematerialer ved hjælp af eksperimentelle data opnået ved ISIS Neutron og Muon kilden til STFC Rutherford Appleton Laboratory.

Resultaterne viste, at den nye teknik er lige så dygtig som standardmetoden til at detektere faseovergange og i nogle tilfælde kunne detektere overgange ud over standardanalysernes muligheder.

Dr. Jorge Quintanilla, Universitetslektor i kondenseret stofteori ved Kent og leder af forskningsgruppen Physics of Quantum Materials sagde:"Vores forskningsresultater er exceptionelle, da dette blev opnået ved en algoritme, der intet vidste om fysikken i de materialer, der blev undersøgt. Dette tyder på, at den nye tilgang kan have meget bred anvendelse og, som sådan, vi har gjort vores algoritmer tilgængelige til brug for det verdensomspændende forskningssamfund."