磁場で過冷却された原子の塊をザップすると、「量子花火」-見かけ上ランダムな方向に発射する原子のジェットが表示されます。
研究者たちはこれを2017年に発見し、花火にパターンがあるのではないかと疑っていました。しかし、彼らは自分でそれを見つけることができませんでした。それで、彼らは問題をパターンマッチングで訓練されたコンピューターに引き渡しました、それは彼らができなかったものを見つけることができました：原子ジェット爆風の後の爆風で、時間とともに花火によって描かれた形その形？ファンキーな小さなカメ。
ジャーナルScienceで2月1日のレポートとして公開された結果は、機械学習を使用して量子物理学の問題を解決した科学者の最初の主要な例の1つです。量子物理学の実験では、システムが非常に大きく複雑すぎて、脳力だけでは分析できないため、この種のデジタルアシストが増えることを期待するべきだ、と研究者たちは書いている。
コンピュータ化されたヘルプが必要な理由は次のとおりです。
花火を作成するために、研究者はボーズアインシュタイン凝縮と呼ばれる物質の状態から始めました。それは、絶対零度に非常に近い温度にされた原子のグループであり、それらが集まり、1つのスーパー原子のように振る舞い始め、比較的大きなスケールで量子効果を示します。
磁場が凝縮物に当たるたびに、一握りの原子ジェットが明らかにランダムな方向にそれから離れて発射しました。研究者たちはジェットの画像を作成し、空間内の原子の位置を特定しました。しかし、これらの画像の多くを重ねても、原子の振る舞いに明らかな韻や理由は明らかになりませんでした。
Gfycat経由
コンピューターが人間ができないことを理解したのは、これらの画像を回転させて重ね合わせると、鮮明な画像が表示されるということでした。原子は平均して、各爆風の間に互いに相対的に6つの方向の1つに花火から離れる傾向がありました。その結果、正しい方法で回転およびレイヤー化された十分な画像により、4つの「脚」が互いに直角になり、2つの脚の間の「頭」が他の2つの間の「尾」と一致することが明らかになりました。 。残りの原子は、カメの殻を構成する3つのリングにかなり均等に分散されていました。
これは人間の観察者には明らかではありませんでした。爆風の間に「カメ」が向けられた方向がランダムであるためです。そして、各爆風は全体的な亀の形のパズルのほんの数片を構成しました。カメが出現するようにすべての画像を配置する方法を理解するために、乱雑なデータをふるいにかけるのにコンピューターの無限の忍耐力が必要でした。
この種の方法（コンピューターのパターン認識能力を大きく乱雑なデータセットで緩める）は、人間の脳を通過する思考の解釈から遠方の星を周回する太陽系外惑星の発見まで、さまざまな取り組みに効果的です。コンピュータが人間を追い越しているという意味ではありません。人々は依然としてパターンに気づくようにマシンを訓練する必要があり、コンピューターは彼らが見ているものを意味のある方法で理解しません。しかし、このアプローチは科学ツールキットでますます普及しているツールであり、現在量子物理学に適用されています。
もちろん、コンピュータがこの結果を確認したら、量子物理学ですでに一般的ないくつかの昔ながらのパターンハンティングテクニックを使用して、研究者たちはその作業をチェックしました。そして、何を探すべきかがわかれば、研究者たちはコンピュータの助けがなくてもカメを再び見つけました。
この研究はまだ花火がなぜカメの形を示しているのかを説明していません、と研究者たちは指摘しました。そしてそれは、機械学習が答えに適した種類の質問ではありません。
「パターンを認識することは常に科学の最初のステップです。このため、このタイプの機械学習は、特に多数の粒子を含むシステムを理解しようとするときに、隠れた関係と特徴を特定できる可能性があります」と主任執筆者である物理学者のチェンチンシカゴ大学は声明で述べた。
なぜこれらの花火が亀のパターンを作るのかを理解するための次のステップでは、機械学習がはるかに少なく、人間の直感がはるかに多くなるでしょう。
