• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Fysik
    Konstgjord agent designar kvantexperiment

    Det konstgjorda medlet använder optiska element som denna stråldelare för att konstruera nya och optimerade experiment. Upphovsman:Harald Ritsch

    På väg till ett intelligent laboratorium, fysiker från Innsbruck och Wien presenterar ett artificiellt medel som autonomt utformar kvantexperiment. I inledande experiment, systemet har självständigt (åter)upptäckt experimentella tekniker som är standard i moderna kvantoptiska laboratorier. Detta visar hur maskiner kan spela en mer kreativ roll inom forskning i framtiden.

    Forskarna undrade i vilken utsträckning maskiner kan utföra forskning självständigt. De använde en projektiv simuleringsmodell för artificiell intelligens för att göra det möjligt för en maskin att lära sig och agera kreativt. Denna autonoma maskin lagrar många individuella fragment av erfarenhet i minnet, som är nätverksbundna.

    Maskinen bygger upp och anpassar sina minnen samtidigt som den lär sig av både framgångsrika och misslyckade försök. Forskarna från Innsbruck samarbetade med gruppen Anton Zeilinger, som tidigare visat nyttan av automatiserade förfaranden vid utformning av kvantexperiment med en sökalgoritm som heter Melvin. Några av dessa datorinspirerade experiment har redan utförts i Zeilingers laboratorium. Tillsammans, fysikerna bestämde att kvantexperiment är en idealisk miljö för att testa AI:s tillämpbarhet på forskning. Därför, de använde den projektiva simuleringsmodellen för att undersöka potentialen hos artificiella inlärningsmedel i denna testbädd. De har publicerat sina resultat i Förfaranden från National Academy of Sciences .

    Optimerade experiment designade av en AI-agent

    Det konstgjorda medlet utvecklar nya experiment genom att virtuellt placera speglar, prismor eller stråldelare på ett virtuellt labbbord. Om dess handlingar leder till ett meningsfullt resultat, agenten har större chans att hitta en liknande sekvens av åtgärder i framtiden. Detta är känt som en förstärkningsinlärningsstrategi.

    "Förstärkningsinlärning är det som skiljer vår modell från den tidigare studerade automatiska sökningen, som styrs av opartisk slumpmässig sökning, "säger Alexey Melnikov från institutionen för teoretisk fysik vid universitetet i Innsbruck." Det konstgjorda medlet utför tiotusentals experiment på det virtuella laboratoriebordet. När vi analyserade maskinens minne, vi upptäckte att vissa strukturer har utvecklats, "säger Hendrik Poulsen Nautrup. Några av dessa strukturer är redan kända för fysiker som användbara verktyg från moderna kvantoptiska laboratorier. Andra är helt nya, och kunde, i framtiden, testas i labbet.

    "Förstärkningsinlärning gör att vi kan hitta, optimera och identifiera en stor mängd potentiellt intressanta lösningar, "säger Alexey Melnikov." Och ibland ger det också svar på frågor som vi inte ens ställde. "

    Kreativt stöd i laboratoriet

    I framtiden, forskarna vill ytterligare förbättra sitt inlärningsprogram. Vid denna tidpunkt, det är ett verktyg som autonomt kan lära sig att lösa en given uppgift. Men i framtiden, en maskin kan möjligen ge mer kreativt bistånd till forskare inom grundforskning.

    © Vetenskap https://sv.scienceaq.com