Twee jaar geleden, natuurkundigen van de Universiteit van Chicago werden begroet met vuurwerk - atomen die in jets uitschieten - toen ze een nieuwe vorm van kwantumgedrag ontdekten. Maar de patronen die aan de heldere stralen ten grondslag lagen, waren moeilijk uit het geluid te onderscheiden.

In plaats daarvan, de wetenschappers kozen voor een nieuwe benadering in het veld:machine learning. Door de gegevens door een patroonherkenningsalgoritme te laten lopen, ze identificeerden dat de paden van de atomen een kenmerkende vorm vormden die een beetje op een schildpad leek - wat hielp om de fysica erachter te plagen. De resultaten, gepubliceerd op 1 februari in Wetenschap , ons begrip van kwantumdynamica verbeteren en een innovatieve manier bieden om kwantumverschijnselen te bestuderen.

"Bij het begrijpen van complexe kwantumdynamica, we beginnen te worden beperkt door onze intuïtie, maar machine learning kan een nieuw hulpmiddel zijn om dergelijke systemen te begrijpen, " zei hoofdauteur Cheng Chin, een professor in de natuurkunde aan de Universiteit van Chicago en een pionier in het gebruik van ultrakoude experimenten om de kwantumverschijnselen te bestuderen die ten grondslag liggen aan het gedrag van de kleinste deeltjes en het universum.

In de oorspronkelijke studie, Chin's lab koelde deeltjes af tot bijna het absolute nulpunt totdat ze allemaal condenseerden tot dezelfde kwantumtoestand. een Bose-Einstein-condensaat genoemd. Volgende, ze legden een magnetisch veld aan, en waren verrast om atomen te zien schieten in heldere stralen.

Maar het exacte patroon was moeilijk te onderscheiden tussen het lawaai. Afgestudeerd student Lei Feng, de eerste auteur van de nieuwe studie, ontwikkelde een machine learning-algoritme om de resultaten te zoeken naar patronen en correlaties die menselijke ogen niet altijd zien.

"Dit is vergelijkbaar met kijken naar de stroom mensen die zich op een treinstation verplaatsen, " zei Cheng. "In eerste instantie lijkt het willekeurig, maar als je goed observeert, vind je gezinnen die samen reizen, zakenmensen die naar vergaderingen gaan, enzovoort."

Het algoritme koos een correlatie uit in een vorm die lijkt op een schildpad:een ring rond een centrale bron die de 'schaal' vormt; vier secundaire punten die er als voeten omheen lijken; en twee verlengde punten als de "kop" en "staart". "Als je een deeltje in één richting ziet gaan, er is altijd een andere in een hoek van 45 graden, " zei Feng. In wezen, het is een reeks kettingreacties:de eerste deeltjes interageren dicht bij de bron, op elkaar stuiteren; de volgende ring vormt zich terwijl die deeltjes op elkaar inwerken, enzovoort. De fysica achter het fenomeen wordt hoogharmonische generatie genoemd.

"In essentie, elke afbeelding bestaat uit veel van dergelijke schildpadpatronen, "Cheng toegevoegd. "Het zijn schildpadden helemaal naar beneden."

"We hebben de patroonherkenning bevestigd met een traditionele correlatiemethode, " Feng zei. "Dat werkt door te kijken naar de relaties tussen elk paar atomen, dat is minder uitgebreid dan het patroon dat we hebben gevonden."

De wetenschappers denken dat machine learning erg nuttig kan zijn bij het onthullen van nieuwe fenomenen in de studie van kwantumdynamica.

"Het herkennen van een patroon is altijd de eerste stap in de wetenschap, dus dit type machine learning kan verborgen relaties en functies identificeren, vooral als we verschuiven om systemen met een groot aantal deeltjes te begrijpen, ' zei Chin.

Een beter begrip van dit gedrag zou op een dag de technologie kunnen voeden, hij zei, zoals manieren om het bereik van kwantumnetwerken over grotere afstanden uit te breiden.