Caros Leitores;
Qual visão astronômica do mundo chega a uma rede neural se não é alimentada com nada além de dados observacionais medidos da Terra? Crédito: Tony Metger / ETH Zurich
A mecânica quântica é uma teoria bem estabelecida, mas em um nível macroscópico leva a contradições intratáveis. Agora, os físicos da ETH estão propondo resolver o problema com o auxílio de redes neurais.
Necessidade é a mãe da invenção. "Até agora, todas as nossas tentativas de resolver as contradições inerentes à mecânica quântica falharam", diz Renato Renner, "e é por isso que agora estamos tentando uma abordagem diferente". E é também uma abordagem muito potente - mesmo que Renner, professor de física teórica, o rotule como um "ato de desespero": em uma publicação recente, escrita em conjunto com seu doutorado Raban Iten, seu aluno de mestrado Tony Metger e outros membros de seu grupo, Renner mostra como o uso da inteligência artificial pode ajudar a fornecer insights mais profundos sobre conceitos físicos.
Uma caixa preta é o caminho a seguir?
O ponto de partida é a afirmação de que a mecânica quântica - não importa que experimento após experimento o confirme - leva a contradições. "Quando apontamos, há um ano, que deve haver um problema fundamental com a mecânica quântica, já que você não pode aplicar a mecânica quântica aos usuários da mecânica quântica , temos todos os tipos de reações e muitos comentários como resultado. até agora, ninguém encontrou uma maneira de resolver esse dilema elementar ", diz Renner.
A princípio, a idéia de que a inteligência artificial possa ajudar parece surpreendente. Afinal, as redes neurais - o elemento chave da inteligência artificial - operam efetivamente como uma caixa preta. Você pode ensiná-los a reconhecer rostos nas fotos, mas não há como saber exatamente como eles realizam essa tarefa. Então, como pode um físico esperar aprender alguma coisa com eles?
Informação condensada
A resposta dos pesquisadores da ETH foi projetar uma rede neural "tandem" em duas partes . A primeira parte da rede faz a bola rolar, calculando parâmetros úteis para executar tarefas físicas. Com base nisso, a segunda parte aborda um problema específico. Enquanto isso, a primeira parte continua ajustando os parâmetros até que a segunda parte seja capaz de dominar as tarefas em mãos.
"O que estamos fazendo essencialmente aqui é imitar o princípio das fórmulas físicas", explica Renner, "uma vez que elas indicam de forma condensada quais parâmetros você precisa combinar e como, a fim de realizar uma tarefa específica". A primeira parte da rede neural não comunica nenhuma fórmula física específica para a segunda parte. Em vez disso, os físicos podem extrair os parâmetros que cruzam a interface entre as duas partes e derivar fórmulas físicas deles - novamente usando programas de computador especializados. "Quando uma rede neural aprende a resolver problemas da mecânica quântica, talvez encontre uma maneira alternativa de descrever sistemas quânticos - pelo menos, é o que esperamos", diz Renner.
O princípio funciona
Os físicos da ETH demonstraram que a idéia é fundamentalmente sólida por meio de tarefas físicas simples. Eles fizeram a rede neural em tandem calcular onde o planeta Marte poderia ser visto no céu noturno em um determinado momento. Mas tudo o que os cientistas deram à rede para trabalhar eram dados sobre as posições do planeta e do sol, como observado ao longo do tempo na Terra.
A rede neural subsequentemente identificou os parâmetros relevantes como os necessários para calcular a posição de Marte com base na cosmovisão heliocêntrica. Em outras palavras, a rede neural encontrou a resposta "certa", mesmo que os dados iniciais não deem absolutamente nenhuma indicação direta do fato de que a Terra e Marte orbitam o sol, em vez de a Terra ser o centro do nosso sistema solar.
Sem ônus por suposições
No momento, a rede tandem dos físicos da ETH não está em condições de resolver problemas complexos de mecânica quântica. "Mas nosso trabalho mostra que poderia muito bem ser um instrumento promissor para nós cientistas teóricos", diz Renner. A grande vantagem da rede neural é que ela não é influenciada por nenhum conjunto de suposições anteriores. "Naturalmente, também é possível explicar o movimento de Marte assumindo que a Terra está no centro. Mas isso torna os cálculos muito mais elaborados", diz Renner. "Nos encontramos em um ponto semelhante na física quântica: temos uma teoria que pode explicar muitos fenômenos, mas talvez estejamos cegos para outra descrição muito mais elegante das coisas".
Como alcançamos a resposta certa?
Renner está bem ciente de que procurar uma descrição diferente será difícil, pois a próxima grande questão já está pairando no ar: que dados iniciais a rede neural deve ser alimentada? "A tarefa com os planetas foi basicamente fácil, porque sabíamos com antecedência quais dados iniciais levariam à resposta certa", diz Renner. "Mas se estamos procurando novas idéias, esse é o conhecimento que simplesmente não temos".
Explorar mais
Mais informações: Raban Iten, et al. Descobrindo conceitos físicos com redes neurais. : arXiv: 1807.10300v2 [quant-ph] arxiv.org/abs/1807.10300 , journals.aps.org/prl/accepted/… 6166090ef41fa6ad4c34
Fornecido por ETH Zurich
Obrigado pela sua visita e volte sempre!
Hélio R.M.Cabral
(Economista, Escritor e Divulgador de conteúdos da
Astronomia, Astrofísica, Astrobiologia e Climatologia).
Membro da Society for
Science and the Public (SSP) e assinante de conteúdos científicos da NASA
(National Aeronautics and Space Administration) e ESA (European Space Agency).
Participa
do projeto S`Cool Ground Observation (Observações de Nuvens) que é integrado ao
Projeto CERES (Clouds and Earth´s Radiant Energy System) administrado pela
NASA.A partir de 2019, tornou-se membro da Sociedade Astronômica
Brasileira (SAB), como astrônomo amador.
Participa também do projeto The Globe Program / NASA
Globe Cloud, um Programa de Ciência e Educação Worldwide, que também tem o
objetivo de monitorar o Clima em toda a Terra. Este projeto é patrocinado pela
NASA e National Science Fundation (NSF), e apoiado pela National Oceanic and Atmospheric
Administration (NOAA) e U.S Department of State.
e-mail: heliocabral@coseno.com.br
Nenhum comentário:
Postar um comentário