Sulla strada per un laboratorio intelligente, fisici di Innsbruck e Vienna presentano un agente artificiale che progetta autonomamente esperimenti quantistici. Nei primi esperimenti, il sistema ha (ri)scoperto in modo indipendente tecniche sperimentali standard nei moderni laboratori ottici quantistici. Questo mostra come le macchine potrebbero svolgere un ruolo più creativo nella ricerca in futuro.

I ricercatori si sono chiesti fino a che punto le macchine possono svolgere ricerche in modo autonomo. Hanno usato un modello di simulazione proiettiva per l'intelligenza artificiale per consentire a una macchina di apprendere e agire in modo creativo. Questa macchina autonoma immagazzina molti frammenti individuali di esperienza nella memoria, che sono collegati in rete insieme.

La macchina costruisce e adatta i suoi ricordi mentre impara sia dai tentativi riusciti che da quelli falliti. Gli scienziati di Innsbruck si sono uniti al gruppo di Anton Zeilinger, che in precedenza ha dimostrato l'utilità delle procedure automatizzate nella progettazione di esperimenti quantistici con un algoritmo di ricerca chiamato Melvin. Alcuni di questi esperimenti ispirati al computer sono già stati eseguiti nel laboratorio di Zeilinger. Insieme, i fisici hanno determinato che gli esperimenti quantistici sono un ambiente ideale per testare l'applicabilità dell'IA alla ricerca. Perciò, hanno usato il modello di simulazione proiettiva per studiare il potenziale degli agenti di apprendimento artificiale in questo banco di prova. Hanno pubblicato i loro risultati in Atti dell'Accademia Nazionale delle Scienze .

Esperimenti ottimizzati progettati da un agente AI

L'agente artificiale sviluppa nuovi esperimenti posizionando virtualmente specchi, prismi o divisori di fascio su un tavolo da laboratorio virtuale. Se le sue azioni portano a un risultato significativo, l'agente ha maggiori possibilità di trovare una sequenza di azioni simile in futuro. Questa è nota come strategia di apprendimento per rinforzo.

"L'apprendimento per rinforzo è ciò che distingue il nostro modello dalla ricerca automatizzata precedentemente studiata, che è governato da una ricerca casuale imparziale, " afferma Alexey Melnikov del Dipartimento di Fisica Teorica dell'Università di Innsbruck. "L'agente artificiale esegue decine di migliaia di esperimenti sul tavolo del laboratorio virtuale. Quando abbiamo analizzato la memoria della macchina, abbiamo scoperto che alcune strutture si sono sviluppate, " afferma Hendrik Poulsen Nautrup. Alcune di queste strutture sono già note ai fisici come strumenti utili dei moderni laboratori ottici quantistici. Altre sono completamente nuove, e potrei, nel futuro, essere testato in laboratorio.

"L'apprendimento per rinforzo ci permette di trovare, ottimizzare e identificare una quantità enorme di soluzioni potenzialmente interessanti, " dice Alexey Melnikov. "E a volte fornisce anche risposte a domande che non abbiamo nemmeno posto".

Supporto creativo in laboratorio

Nel futuro, gli scienziati vogliono migliorare ulteriormente il loro programma di apprendimento. A questo punto, è uno strumento che può imparare autonomamente a risolvere un determinato compito. Ma in futuro, una macchina potrebbe fornire un'assistenza più creativa agli scienziati nella ricerca di base.