La Scuola di Scienze Fisiche dell'Università del Kent, in collaborazione con il Science and Technology Facilities Council (STFC) e le Università di Cardiff, Durham e Leeds, hanno sviluppato un algoritmo per addestrare i computer ad analizzare i segnali provenienti da particelle subatomiche incorporate in materiali elettronici avanzati.

Le particelle, chiamati muoni, sono prodotti in grandi acceleratori di particelle e vengono impiantati all'interno di campioni di materiali per studiarne le proprietà magnetiche. I muoni sono particolarmente utili poiché si accoppiano magneticamente ai singoli atomi all'interno del materiale e quindi emettono un segnale rilevabile dai ricercatori per ottenere informazioni su quel magnetismo.

Questa capacità di esaminare il magnetismo su scala atomica rende le misurazioni basate sui muoni una delle sonde più potenti del magnetismo nei materiali elettronici, compresi i "materiali quantistici" come i superconduttori e altre forme esotiche di materia.

Poiché non è possibile dedurre cosa sta succedendo nel materiale dal semplice esame del segnale, i ricercatori normalmente confrontano i loro dati con modelli generici. In contrasto, il team attuale ha adattato una tecnica di scienza dei dati chiamata Analisi delle componenti principali (PCA), frequentemente impiegato nel riconoscimento facciale.

La tecnica PCA prevede che un computer venga alimentato con molte immagini correlate ma distinte e quindi esegua un algoritmo che identifica un piccolo numero di immagini "archetipiche" che possono essere combinate per riprodurre, con grande precisione, nessuna delle immagini originali. Un algoritmo addestrato in questo modo può quindi continuare a svolgere attività come riconoscere se una nuova immagine corrisponde a una vista in precedenza.

I ricercatori hanno adattato la tecnica PCA per analizzare i segnali inviati dai muoni incorporati in materiali complessi, addestrare l'algoritmo per una varietà di materiali quantistici utilizzando dati sperimentali ottenuti presso la sorgente di neutroni e muoni ISIS del laboratorio STFC Rutherford Appleton.

I risultati hanno mostrato che la nuova tecnica è altrettanto abile del metodo standard nel rilevare le transizioni di fase e in alcuni casi potrebbe rilevare transizioni oltre le capacità delle analisi standard.

Dott. Jorge Quintanilla, Senior Lecturer in Condensed Matter Theory al Kent e leader del gruppo di ricerca Physics of Quantum Materials ha affermato:"I risultati della nostra ricerca sono eccezionali, poiché ciò è stato ottenuto da un algoritmo che non sapeva nulla della fisica dei materiali indagati. Ciò suggerisce che il nuovo approccio potrebbe avere un'applicazione molto ampia e, come tale, abbiamo reso i nostri algoritmi disponibili per l'uso da parte della comunità di ricerca mondiale".