Artificiellt neuralt nätverk som kodar ett kvanttillstånd med många kroppar av N-snurr. Kredit:(c) Vetenskap 10 februari 2017:vol. 355, nummer 6325, sid. 602-606
(Phys.org)-Ett par fysiker med ETH Zürich har utvecklat ett sätt att använda ett artificiellt neuralt nätverk för att karakterisera vågfunktionen hos ett kvantmångkroppssystem. I deras tidning publicerad i tidningen Vetenskap , Giuseppe Carleo och Matthias Troyer beskriver hur de lockade ett neuralt nätverk för att simulera några aspekter av ett kvantmångkroppssystem. Michael Hush med University of New South Wales erbjuder ett Perspectives-stycke om det arbete som paret gjort i samma tidskriftsnummer och beskriver också de problem som andra forskare har ställts inför när de försöker lösa samma problem.
En av de svåra utmaningar som fysiker står inför idag är att hitta på ett sätt att simulera kvantmångkroppssystem, dvs. visar alla tillstånd som finns i ett givet system, som en bit av materia. Sådana system blir snabbt komplicerade - en grupp på bara 100 kvantpartiklar, till exempel, kan ha så många som 10 35 snurra tillstånd. Även de mest kraftfulla moderna datorerna blir mycket snabbt överväldigade när de försöker avbilda sådana system. I denna nya insats, forskarna tog ett annat tillvägagångssätt – istället för att försöka beräkna alla möjliga tillstånd, de använde ett neuralt nätverk för att generalisera hela systemet.
Paret började med att notera att systemet som används för att besegra en Go-världsmästare förra året kan ändras på ett sätt som kan simulera ett system med många kroppar. De skapade en förenklad version av samma typ av neurala nätverk och programmerade den för att simulera vågfunktionen för ett flerkroppssystem (med hjälp av en uppsättning vikter och bara ett lager av dolda fördomar). De följde sedan upp med att få det neurala nätverket att ta reda på ett systems grundläge. För att se hur bra deras system fungerade, de gjorde jämförelser med problem som redan har lösts och rapporterar att deras system var bättre än de som förlitar sig på ett brute-force-tillvägagångssätt.
Det neurala nätverket detekterar specifika mönster i kvantsystemet. I detta fall, nätverket inser korrekt att atomer med motsatt snurr tenderar att para ihop sig. Kredit:ETH Zürich / G. Carleo
Systemet var ett proof-of-concept snarare än ett verkligt verktyg för användning av fysiker, men det visar vad som är möjligt - stora ansträngningar, som Hush noterar, som involverar mer dolda fördomar och vikter kan resultera i ett verktyg med banbrytande applikationer.
© 2017 Phys.org
