Un algoritmo di apprendimento automatico progettato per insegnare ai computer come riconoscere le foto, modelli di discorso, e le cifre scritte a mano sono state ora applicate a un insieme di dati molto diverso:identificare le transizioni di fase tra gli stati della materia.
Questa nuova ricerca, pubblicato oggi in Fisica della natura da due ricercatori del Perimeter Institute, è stato costruito su una semplice domanda:gli algoritmi di apprendimento automatico standard del settore possono aiutare ad alimentare la ricerca in fisica? Per scoprirlo, ex borsista post-dottorato del Perimeter Institute Juan Cassasquilla e Roger Melko, un membro della Facoltà Associata presso Perimeter e Professore Associato presso l'Università di Waterloo, riproposto TensorFlow di Google, una libreria software open source per l'apprendimento automatico, e applicato a un sistema fisico.
Melko dice che non sapevano cosa aspettarsi. "Pensavo fosse una possibilità lunga, " ammette.
Utilizzando gigabyte di dati che rappresentano diverse configurazioni di stato create utilizzando software di simulazione su supercomputer, Carrasquilla e Melko hanno creato una vasta raccolta di "immagini" da introdurre nell'algoritmo di apprendimento automatico (noto anche come rete neurale). Il risultato:la rete neurale distingue le fasi di un semplice magnete, e potrebbe distinguere una fase ferromagnetica ordinata da una fase disordinata ad alta temperatura. Potrebbe persino trovare il confine (o la transizione di fase) tra le fasi, dice Carrasquilla, che ora lavora presso la società di informatica quantistica D-Wave Systems.
"Una volta che abbiamo visto che funzionavano, quindi sapevamo che sarebbero stati utili per molti problemi correlati. All'improvviso, il cielo è il limite, " Melko dice. "Chiunque come me ha accesso a enormi quantità di dati può provare queste reti neurali standard".
Questa ricerca, che è stato originariamente pubblicato come preprint su arXiv a maggio, 2016, mostra che l'applicazione dell'apprendimento automatico alla materia condensata e alla fisica statistica potrebbe aprire opportunità completamente nuove per la ricerca e, infine, applicazione del mondo reale.
