• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  science >> Scienza >  >> Fisica
    Qual è la teoria quantistica perfetta?

    Un team di ricercatori dell'Università tecnica di Monaco e dell'Università di Harvard negli Stati Uniti ha implementato con successo reti neurali artificiali per l'analisi delle immagini dei sistemi quantistici. Analizzano le istantanee di un sistema quantistico, che esiste contemporaneamente in diverse configurazioni. Ogni snapshot rappresenta una configurazione specifica in base alla sua probabilità di meccanica quantistica. Assegnando le istantanee a una delle due teorie, la rete neurale può determinare quale teoria è più predittiva. Crediti:Annabelle Bohrdt e Christoph Hohmann/MCQST

    Per alcuni fenomeni della fisica quantistica a molti corpi, esistono diverse teorie concorrenti. Ma quale di loro descrive meglio un fenomeno quantistico? Un team di ricercatori dell'Università tecnica di Monaco (TUM) e dell'Università di Harvard negli Stati Uniti ha ora implementato con successo reti neurali artificiali per l'analisi delle immagini dei sistemi quantistici.

    È un cane o un gatto? Tale classificazione è un ottimo esempio di apprendimento automatico:le reti neurali artificiali possono essere addestrate per analizzare le immagini cercando modelli caratteristici di oggetti specifici. A condizione che il sistema abbia appreso tali schemi, è in grado di riconoscere cani o gatti su qualsiasi immagine.

    Utilizzando lo stesso principio, le reti neurali possono rilevare i cambiamenti nei tessuti sulle immagini radiologiche. I fisici stanno ora utilizzando il metodo per analizzare le immagini, le cosiddette istantanee, di sistemi quantistici a molti corpi e scoprire quale teoria descrive meglio i fenomeni osservati.

    Il mondo quantistico delle probabilità

    Diversi fenomeni nella fisica della materia condensata, che studia solidi e liquidi, restano avvolti nel mistero. Per esempio, finora rimane elusivo il motivo per cui la resistenza elettrica dei superconduttori ad alta temperatura scende a zero a temperature di circa -200 gradi Celsius.

    Comprendere tali stati straordinari della materia è impegnativo:sono stati sviluppati simulatori quantistici basati su atomi di litio ultrafreddi per studiare la fisica dei superconduttori ad alta temperatura. Scattano istantanee del sistema quantistico, che esiste simultaneamente in diverse configurazioni:i fisici parlano di sovrapposizione. Ogni istantanea del sistema quantistico fornisce una configurazione specifica in base alla sua probabilità quantomeccanica.

    Per comprendere tali sistemi quantistici, sono stati sviluppati vari modelli teorici. Ma quanto rispecchiano la realtà? È possibile rispondere alla domanda analizzando i dati dell'immagine.

    Le reti neurali studiano il mondo quantistico

    A tal fine, un team di ricerca presso l'Università tecnica di Monaco e l'Università di Harvard ha impiegato con successo l'apprendimento automatico:i ricercatori hanno addestrato una rete neurale artificiale per distinguere tra due teorie in competizione.

    "Simile al rilevamento di cani o gatti nelle immagini, le immagini delle configurazioni di ogni teoria quantistica vengono immesse nella rete neurale, "dice Annabelle Bohrdt, uno studente di dottorato presso TUM. "I parametri di rete vengono quindi ottimizzati per dare a ogni immagine l'etichetta giusta, in questo caso, sono solo teoria A o teoria B invece di gatto o cane."

    Dopo la fase di addestramento con i dati teorici, la rete neurale ha dovuto applicare ciò che aveva appreso e assegnare alla teoria A o B le istantanee dei simulatori quantistici. La rete ha quindi selezionato la teoria più predittiva.

    In futuro i ricercatori prevedono di utilizzare questo nuovo metodo per valutare l'accuratezza di diverse descrizioni teoriche. L'obiettivo è comprendere i principali effetti fisici della superconduttività ad alta temperatura, che ha molte applicazioni importanti, con la trasmissione di energia elettrica senza perdite e l'imaging a risonanza magnetica efficiente sono solo due esempi.

    © Scienza https://it.scienceaq.com