Quelle est la théorie quantique parfaite? Réseau de neurones artificiels résout des énigmes de la physique de la matière condensée – ScienceDaily – Dressage canin

Pour certains phénomènes de la physique quantique à plusieurs corps, plusieurs théories concurrentes existent. Mais lequel d’entre eux décrit le mieux un phénomène quantique? Une équipe de chercheurs de l’Université technique de Munich (TUM) et de l’Université Harvard aux États-Unis a maintenant déployé avec succès des réseaux de neurones artificiels pour l’analyse d’image des systèmes quantiques.

Est-ce un chien ou un chat? Une telle classification est un excellent exemple d’apprentissage automatique: des réseaux de neurones artificiels peuvent être formés à l’analyse d’images en recherchant des modèles caractéristiques d’objets spécifiques. À condition que le système ait appris de tels modèles, il est capable de reconnaître les chiens ou les chats sur toutes les images.

En utilisant le même principe, les réseaux de neurones peuvent détecter des changements de tissu sur des images radiologiques. Les physiciens utilisent maintenant cette méthode pour analyser des images – appelées instantanés – de systèmes quantiques à plusieurs corps et déterminer quelle théorie décrit le mieux les phénomènes observés.

Le monde quantique des probabilités

Plusieurs phénomènes de la physique de la matière condensée, qui étudient les solides et les liquides, restent mystérieux. Par exemple, jusqu'à présent, il est difficile de comprendre pourquoi la résistance électrique des supraconducteurs à haute température tombe à zéro à des températures d'environ -200 degrés Celsius.

Comprendre de tels états extraordinaires de la matière est un défi: des simulateurs quantiques basés sur des atomes de lithium ultra-froids ont été développés pour étudier la physique des supraconducteurs à haute température. Ils prennent des instantanés du système quantique, qui existe simultanément dans différentes configurations – les physiciens parlent de superposition. Chaque instantané du système quantique donne une configuration spécifique en fonction de sa probabilité mécanique quantique.

Afin de comprendre de tels systèmes quantiques, divers modèles théoriques ont été développés. Mais dans quelle mesure reflètent-ils la réalité? Vous pouvez répondre à la question en analysant les données d'image.

Les réseaux de neurones étudient le monde quantique

À cette fin, une équipe de chercheurs de l’Université technique de Munich et de l’Université Harvard a utilisé avec succès l’apprentissage automatique: Les chercheurs ont formé un réseau de neurones artificiels afin de distinguer deux théories concurrentes.

"Semblable à la détection d'images de chats ou de chiens, des images de configurations de toutes les théories quantiques sont introduites dans le réseau de neurones", explique Annabelle Bohrdt, doctorante à la TUM. "Les paramètres du réseau sont ensuite optimisés pour attribuer à chaque image l'étiquette appropriée. Dans ce cas, il ne s'agit que de la théorie A ou de la théorie B au lieu de chat ou de chien."

Après la phase de formation avec des données théoriques, le réseau de neurones devait appliquer ce qu’il avait appris et attribuer des instantanés des simulateurs quantiques à la théorie A ou B. Le réseau sélectionnait ainsi la théorie la plus prédictive.

À l’avenir, les chercheurs prévoient d’utiliser cette nouvelle méthode pour évaluer l’exactitude de plusieurs descriptions théoriques. L’objectif est de comprendre les principaux effets physiques de la supraconductivité à haute température, qui a de nombreuses applications importantes, comme la transmission de puissance électrique sans perte et l’imagerie par résonance magnétique efficace.

Source de l'histoire:

Matériel fourni par Université technique de Munich (TUM). Remarque: le contenu peut être modifié pour le style et la longueur.