Wetenschap
Natuurkundigen hebben een nieuwe methode ontwikkeld waarmee complexe berekeningen razendsnel kunnen worden geëmuleerd. Dit zou nieuwe inzichten kunnen opleveren over de kwantumeigenschappen van sterk op elkaar inwerkende materie zoals atoomkernen en neutronensterren. Credit:Andreas Ekström en Yen Strandqvist/Chalmers University of Technology
Een berekening die zo complex is dat het 20 jaar duurt om op een krachtige desktopcomputer te voltooien, kan nu op een gewone laptop in een uur worden gedaan. Natuurkundige Andreas Ekström aan de Chalmers University of Technology, samen met internationale onderzoekscollega's, heeft een nieuwe methode ontworpen om de eigenschappen van atoomkernen ongelooflijk snel te berekenen.
De nieuwe aanpak is gebaseerd op een concept genaamd emulatie, waarbij een benaderende berekening een volledige en complexere berekening vervangt. Hoewel de onderzoekers een kortere weg nemen, de oplossing eindigt bijna precies hetzelfde. Het doet denken aan algoritmen uit machine learning, maar uiteindelijk hebben de onderzoekers een geheel nieuwe methode ontworpen. Het opent nog meer mogelijkheden in fundamenteel onderzoek, onder meer in de kernfysica.
"Nu we met deze methode atoomkernen kunnen nabootsen, we hebben een volledig nieuw hulpmiddel om theoretische beschrijvingen van de krachten tussen protonen en neutronen in de atoomkern te construeren en te analyseren, " zegt onderzoeksleider Andreas Ekström, Universitair hoofddocent bij de afdeling Natuurkunde van Chalmers.
Fundamenteel om ons bestaan te begrijpen
Het onderwerp klinkt misschien niche, maar het is in feite fundamenteel om ons bestaan en de stabiliteit en oorsprong van zichtbare materie te begrijpen. Het grootste deel van de atoommassa bevindt zich in het centrum van het atoom, in een dicht gebied dat de atoomkern wordt genoemd. De samenstellende deeltjes van de kern, de protonen en neutronen, worden bij elkaar gehouden door iets dat de sterke kracht wordt genoemd. Hoewel deze kracht zo centraal staat in ons bestaan, niemand weet precies hoe het werkt. Om onze kennis te vergroten en de fundamentele eigenschappen van zichtbare materie te ontrafelen, onderzoekers moeten de eigenschappen van atoomkernen met grote nauwkeurigheid kunnen modelleren.
Het fundamentele onderzoek waar Andreas Ekström en zijn collega's aan werken, werpt nieuw licht op onderwerpen variërend van neutronensterren en hun eigenschappen, tot de binnenste structuur en het verval van kernen. Fundamenteel onderzoek in de kernfysica levert ook essentiële input voor astrofysica, atoomfysica, en deeltjesfysica.
Plot van de energie en de straal van de zuurstofisotoop 16-O voor 100, 000 verschillende parametrisaties van de sterke nucleaire interactie. Met behulp van de nieuwe methode, de resultaten werden binnen enkele minuten gegenereerd op een standaard laptop. De stippellijnen geven de waarden van experimentele gegevens aan. Credit:Andreas Ekström en Yen Strandqvist/Chalmers University of Technology
Deuren openen naar geheel nieuwe mogelijkheden
"Ik ben ongelooflijk opgewonden om berekeningen te kunnen maken met zo'n nauwkeurigheid en efficiëntie. Vergeleken met onze eerdere methoden, het voelt alsof we nu razendsnel aan het rekenen zijn. In ons voortdurende werk hier bij Chalmers, we hopen de emulatiemethode verder te verbeteren, en geavanceerde statistische analyses van onze kwantummechanische modellen uit te voeren. Met deze emulatiemethode blijkt dat we resultaten kunnen bereiken die voorheen voor onmogelijk werden gehouden. Dit opent zeker deuren naar geheel nieuwe mogelijkheden, ", zegt Andreas Ekström.
Meer over de wiskundige sneltoets
De nieuwe emulatiemethode is gebaseerd op iets dat eigenvectorvoortzetting (EVC) wordt genoemd. Het zorgt voor emulatie van vele kwantummechanische eigenschappen van atoomkernen met ongelooflijke snelheid en nauwkeurigheid. In plaats van het tijdrovende en complexe veellichamenprobleem steeds opnieuw op te lossen, onderzoekers hebben een wiskundige snelkoppeling gemaakt, met behulp van een transformatie naar een speciale deelruimte. Dit maakt het mogelijk om enkele exacte oplossingen te gebruiken om vervolgens veel sneller benaderingsoplossingen te verkrijgen.
Als de emulator goed werkt, het genereert oplossingen die bijna exact - ongeveer 99 procent - lijken op de oplossingen voor het oorspronkelijke probleem. Dit zijn in veel opzichten dezelfde principes die worden gebruikt in machine learning, maar het is geen neuraal netwerk of een Gaussiaans proces - er ligt een geheel nieuwe methode aan ten grondslag. De EVC-methode voor emulatie is niet beperkt tot atoomkernen, en de onderzoekers kijken momenteel verder naar verschillende soorten toepassingen.
Wetenschap © https://nl.scienceaq.com