(Phys.org) - Een paar natuurkundigen met ETH Zürich hebben een manier ontwikkeld om een ​​kunstmatig neuraal netwerk te gebruiken om de golffunctie van een kwantum veellichamensysteem te karakteriseren. In hun artikel gepubliceerd in het tijdschrift Wetenschap , Giuseppe Carleo en Matthias Troyer beschrijven hoe ze een neuraal netwerk hebben overgehaald om sommige aspecten van een kwantum veellichamensysteem te simuleren. Michael Hush van de University of New South Wales biedt een Perspectives-stuk over het werk van het paar in hetzelfde tijdschriftnummer en schetst ook de problemen die andere onderzoekers hebben ondervonden bij het proberen om hetzelfde probleem op te lossen.

Een van de moeilijke uitdagingen waarmee natuurkundigen tegenwoordig worden geconfronteerd, is het bedenken van een manier om kwantumsystemen met veel lichamen te simuleren, d.w.z., toont alle toestanden die in een bepaald systeem bestaan, zoals een stuk stof. Dergelijke systemen worden snel ingewikkeld - een groep van slechts 100 kwantumdeeltjes, bijvoorbeeld, kan maar liefst 10 . hebben ³⁵ spin staten. Zelfs de krachtigste moderne computers raken al snel overweldigd als ze proberen dergelijke systemen weer te geven. In deze nieuwe poging de onderzoekers kozen voor een andere benadering - in plaats van te proberen elke mogelijke toestand te berekenen, ze gebruikten een neuraal netwerk om het hele systeem te generaliseren.

Het paar begon met op te merken dat het systeem dat vorig jaar werd gebruikt om een ​​Go-wereldkampioen te verslaan, zou kunnen worden aangepast op een manier die een systeem met meerdere lichamen zou kunnen simuleren. Ze creëerden een vereenvoudigde versie van hetzelfde type neuraal netwerk en programmeerden het om de golffunctie van een systeem met meerdere lichamen te simuleren (met behulp van een reeks gewichten en slechts één laag verborgen vooroordelen). Vervolgens lieten ze het neurale netwerk de grondtoestand van een systeem bepalen. Om te zien hoe goed hun systeem werkte, ze hebben vergelijkingen gemaakt met problemen die al zijn opgelost en melden dat hun systeem beter was dan die met een brute-force-aanpak.

Het systeem was een proof-of-concept in plaats van een echt hulpmiddel voor gebruik door natuurkundigen, maar het laat zien wat mogelijk is:grote inspanningen, zoals Hush opmerkt, die meer verborgen vooroordelen en gewichten met zich meebrengen, kunnen resulteren in een tool met baanbrekende toepassingen.

© 2017 Fys.org