Un esempio di dati di diffrazione di raggi X 3D che attraversano una transizione di fase dopo il raffreddamento. La trama magenta mostra punti speciali associati alla formazione di onde di densità di carica come sono stati rivelati dall'algoritmo di apprendimento automatico X-TEC. Credito:Krishna Mallayya/Fornito
Gli elettroni e il loro comportamento pongono domande affascinanti ai fisici quantistici e le recenti innovazioni nelle fonti, negli strumenti e nelle strutture consentono ai ricercatori di accedere potenzialmente a un numero ancora maggiore di informazioni codificate nei materiali quantistici.
Tuttavia, queste innovazioni di ricerca stanno producendo volumi di dati senza precedenti e fino ad ora indecifrabili.
"Il contenuto informativo in un pezzo di materiale può rapidamente superare il contenuto informativo totale nella Library of Congress, che è di circa 20 terabyte", ha affermato Eun-Ah Kim, professore di fisica al College of Arts and Sciences, che è al all'avanguardia nella ricerca sui materiali quantistici e nello sfruttamento della potenza dell'apprendimento automatico per analizzare i dati provenienti da esperimenti sui materiali quantistici.
"La capacità limitata della modalità di analisi tradizionale, in gran parte manuale, sta rapidamente diventando il collo di bottiglia critico", ha affermato Kim.
Un gruppo guidato da Kim ha utilizzato con successo una tecnica di apprendimento automatico sviluppata con scienziati informatici Cornell per analizzare enormi quantità di dati dal metallo quantistico Cd2 Ri2 O7 , risolvere un dibattito su questo particolare materiale e preparare il terreno per il futuro apprendimento automatico ha aiutato a comprendere le nuove fasi della materia.
Il documento, "Harnessing Interpretable and Unsupervised Machine Learning to Address Big Data from Modern X-ray Diffraction", pubblicato il 9 giugno in Proceedings of the National Academy of Sciences .
I fisici e gli informatici della Cornell hanno collaborato per costruire un algoritmo di apprendimento automatico non supervisionato e interpretabile, XRD Temperature Clustering (X-TEC). I ricercatori hanno quindi applicato X-TEC per studiare gli elementi chiave dell'ossido di pirocloro metallico, Cd2 Ri2 O7 .
X-TEC ha analizzato otto terabyte di dati a raggi X, che coprono 15.000 zone Brillouin (celle definite in modo univoco), in pochi minuti.
"Abbiamo utilizzato algoritmi di apprendimento automatico senza supervisione, che sono perfetti per tradurre dati ad alta dimensione in cluster che hanno senso per gli esseri umani", ha affermato Kilian Weinberger, professore di informatica alla Cornell Ann. S Bowers College of Computing and Information Science.
Grazie a questa analisi, i ricercatori hanno scoperto importanti approfondimenti sul comportamento degli elettroni nel materiale, rilevando quella che è nota come la modalità pseudo-Goldstone. Stavano cercando di capire come gli atomi e gli elettroni si posizionano in modo ordinato per ottimizzare l'interazione all'interno della "comunità" astronomicamente grande di elettroni e atomi.
"Nei materiali cristallini complessi, una struttura specifica di atomi multipli, la cella unitaria, si ripete in una disposizione regolare come in un complesso di appartamenti a molti piani", ha detto Kim. "Il riposizionamento che abbiamo scoperto avviene su scala di ogni unità abitativa, nell'intero complesso."
Poiché la disposizione delle unità rimane la stessa, ha detto, è difficile rilevare questo riposizionamento osservando dall'esterno. Tuttavia, il riposizionamento interrompe quasi spontaneamente una simmetria continua, che si traduce in una modalità pseudo-Goldstone.
"L'esistenza della modalità pseudo-Goldstone può rivelare le simmetrie segrete nel sistema che possono essere difficili da vedere altrimenti", ha detto Kim. "La nostra scoperta è stata abilitata da X-TEC."
Questa scoperta è significativa per tre ragioni, ha detto Kim. In primo luogo, mostra che l'apprendimento automatico può essere utilizzato per analizzare voluminosi dati di diffrazione della polvere di raggi X (XRD), fungendo da prototipo per le applicazioni di X-TEC man mano che aumenta. X-TEC, disponibile per i ricercatori come pacchetto software, sarà integrato nel sincrotrone come strumento di analisi presso l'Advanced Photon Source e presso la Cornell High Energy Synchrotron Source.
In secondo luogo, la scoperta risolve un dibattito sulla fisica di Cd2 Ri2 O7 .
"Per quanto ne sappiamo, questa è la prima istanza di rilevamento di una modalità Goldstone utilizzando XRD", ha affermato Kim. "Questa visione su scala atomica delle fluttuazioni in un materiale quantistico complesso sarà solo il primo esempio di risposta a domande scientifiche chiave che accompagnano qualsiasi scoperta di nuove fasi della materia... utilizzando dati di diffrazione voluminosi e ricchi di informazioni."
In terzo luogo, la scoperta mostra ciò che la collaborazione tra fisici e informatici può realizzare.
"Il funzionamento interno matematico degli algoritmi di apprendimento automatico spesso non è dissimile dai modelli in fisica, ma applicato a dati ad alta dimensione", ha affermato Weinberger. "Lavorare con i fisici è molto divertente, perché sono così bravi a modellare il mondo naturale. Quando si tratta di modellazione di dati, hanno davvero colpito il suolo". + Esplora ulteriormente
