Le stesse tecniche utilizzate per addestrare le auto a guida autonoma e i computer che giocano a scacchi stanno ora aiutando i fisici a esplorare le complessità del mondo quantistico.

Per la prima volta, i fisici hanno dimostrato che l'apprendimento automatico può ricostruire un sistema quantistico basato su relativamente poche misurazioni sperimentali. Questo metodo consentirà agli scienziati di sondare a fondo i sistemi di particelle esponenzialmente più velocemente di quelli convenzionali, tecniche di forza bruta. Sistemi complessi che richiederebbero migliaia di anni per essere ricostruiti con metodi precedenti potrebbero essere completamente analizzati nel giro di poche ore.

La ricerca andrà a vantaggio dello sviluppo di computer quantistici e di altre applicazioni della meccanica quantistica, i ricercatori riferiscono il 26 febbraio in Fisica della natura .

"Abbiamo dimostrato che l'intelligenza artificiale può catturare l'essenza di un sistema quantistico in modo compatto, ", afferma il coautore dello studio Giuseppe Carleo, ricercatore associato presso il Center for Computational Quantum Physics presso il Flatiron Institute di New York City. "Ora possiamo estendere efficacemente le capacità degli esperimenti".

Carleo, che ha condotto la ricerca mentre era docente all'ETH di Zurigo, è stato ispirato da AlphaGo. Questo programma per computer ha utilizzato l'apprendimento automatico per battere il campione mondiale del gioco da tavolo cinese Go nel 2016. "AlphaGo è stato davvero impressionante, " lui dice, "così abbiamo iniziato a chiederci come avremmo potuto usare quelle idee nella fisica quantistica".

I sistemi di particelle come gli elettroni possono esistere in molte configurazioni diverse, ciascuno con una particolare probabilità di verificarsi. Ogni elettrone, ad esempio, può avere una rotazione verso l'alto o verso il basso, simile al gatto di Schrödinger che è vivo o morto nel famoso esperimento mentale. Nel regno quantistico, sistemi non osservati non esistono come nessuno di questi accordi. Anziché, il sistema può essere pensato come è in tutte le possibili configurazioni contemporaneamente.

Quando misurato, il sistema collassa in una configurazione, proprio come il gatto di Schrödinger è vivo o morto una volta aperta la scatola. Questa stranezza della meccanica quantistica significa che non puoi mai osservare l'intera complessità di un sistema in un singolo esperimento. Anziché, gli sperimentali conducono le stesse misurazioni più e più volte finché non possono determinare lo stato dell'intero sistema.

Questo metodo funziona bene per sistemi semplici contenenti solo poche particelle. Ma "le cose si mettono male con un sacco di particelle, " dice Carleo. All'aumentare del numero delle particelle, la complessità sale alle stelle. Se solo considerando che ogni elettrone può avere spin su o giù, un sistema di cinque elettroni ha 32 possibili configurazioni. Un sistema di 100 elettroni ha più di 1 milione di trilioni di trilioni.

L'intreccio delle particelle complica ulteriormente le cose. Attraverso l'entanglement quantistico, le particelle indipendenti si intrecciano e non possono più essere trattate come entità puramente separate anche quando sono fisicamente separate. Questo entanglement altera la probabilità di diverse configurazioni.

Metodi convenzionali, perciò, semplicemente non sono fattibili per i sistemi quantistici complessi.

Giacomo Torlai dell'Università di Waterloo e del Perimeter Institute in Canada, Carleo e colleghi hanno aggirato queste limitazioni sfruttando le tecniche di apprendimento automatico. I ricercatori hanno fornito misurazioni sperimentali di un sistema quantistico a uno strumento software basato su reti neurali artificiali. Il software apprende nel tempo e tenta di imitare il comportamento del sistema. Una volta che il software acquisisce dati sufficienti, può ricostruire accuratamente l'intero sistema quantistico.

I ricercatori hanno testato il software utilizzando finti set di dati sperimentali basati su diversi sistemi quantistici campione. In questi test, il software ha superato di gran lunga i metodi convenzionali. Per otto elettroni, ciascuno con spin su o giù, il software è in grado di ricostruire accuratamente il sistema con solo circa 100 misurazioni. Per confronto, un metodo convenzionale a forza bruta richiedeva quasi 1 milione di misurazioni per raggiungere lo stesso livello di precisione. La nuova tecnica può anche gestire sistemi molto più grandi. A sua volta, questa capacità può aiutare gli scienziati a convalidare che un computer quantistico è impostato correttamente e che qualsiasi software quantistico funzionerà come previsto, suggeriscono i ricercatori.

Catturare l'essenza di sistemi quantistici complessi con reti neurali artificiali compatte ha altre conseguenze di vasta portata. Il co-direttore del Center for Computational Quantum Physics Andrew Millis osserva che le idee forniscono un nuovo importante approccio allo sviluppo in corso del centro di nuovi metodi per comprendere il comportamento dei sistemi quantistici interagenti, e connettiti con il lavoro su altri approcci di apprendimento automatico ispirati alla fisica quantistica.

Oltre alle applicazioni alla ricerca fondamentale, Carleo afferma che le lezioni apprese dal team mentre mescolavano l'apprendimento automatico con le idee della fisica quantistica potrebbero migliorare anche le applicazioni generali dell'intelligenza artificiale. "Potremmo usare i metodi che abbiamo sviluppato qui in altri contesti, " dice. "Un giorno potremmo avere un'auto a guida autonoma ispirata alla meccanica quantistica, chi lo sa."