بیگ بنگ: در طی چند دهه گذشته، یادگیری ماشینی باعث ایجاد انقلابی در بخش‌های گوناگون جامعه شده است؛ طوری که از یادگیری ماشینی برای اهدافی از قبیل اتومبیل‌رانی، تشخیص تومور و انجام بازی شطرنج استفاده می‌گردد. این نوع فن‌آوری در اکثر موارد از انسان جلو زده و عملکرد خیره‌کننده‌ای بر جای گذاشته است. حالا تیمی از دانشمندان در موسسه علوم و فن‌آوری اوکیناوا (OIST)، دانشگاه مونیخ و مرکز ملی پژوهش‌های علمی فرانسه در دانشگاه بوردو نشان داده‌اند که ماشین‌ها می‌توانند فیزیکدان‌های نظری را نیز شکست دهند. آنان اعلام کردند که از یادگیری ماشینی می‌توان برای حل مسائل پیچیده استفاده کرد. سرعت و دقت مثال‌زدنی این ماشین‌ها نویدبخشِ یک آینده روشن است.

به گزارش بیگ بنگ، محققان نشان دادند که ماشین می‌تواند فازهای مغناطیسی غیرعادی را در مدلی از “پیروکلور” شناسایی نماید؛ “پیروکلور” یک ماده معدنی با ساختار شبکه‌ای چهار وجهی است. نکته جالب توجه این است که در هنگام استفاده از این ماشین برای حل مسئله، فقط چند هفته زمان نیاز بود؛ در حالیکه قبلاً دانشمندان برای حل این مسئله به شش سال زمان احتیاج داشتند. ساختار بلوری پیروکلور حاویِ اتم‌های مغناطیسی است و به گونه‌ای آرایش یافته‌اند که شبکه‌ای از اشکال چهار وجهی را تشکیل می‌دهند.

پروفسور «نیک شانون» سرپرست واحد نظریه ماده کوانتومی در OIST گفت: «من احساس می‌کنم گام بسیار مهمی برداشته‌ایم. رایانه‌های امروزی قادر به انجام کارهای علمی به شیوه‌ای بسیار معنادار هستند و می‌توانند مسائلی را حل کنند که برای سالیانِ سال دانشمندان را در فکر فرو برده است.»

منشاء آشفتگی

در همۀ آهنرباها، هر اتم یک گشتاور مغناطیسی کوچک تحت عنوان اسپین دارد. در آهنرباهای معمولی، مثل آهنرباهایی که به یخچال‌های خانه‌تان می‌چسبانید، همه اسپین‌ها به گونه‌ای کنار هم چیده شده‌اند که به جهت یکسانی اشاره می‌کنند. همین عامل باعث ایجاد یک میدان مغناطیسی قوی می‌شود. این ترتیب و چیدمان به شیوۀ چیدمان اتم‌ها در یک ماده جامد شباهت دارد. اما مثل ماده که می‌تواند در حالت‌های مختلفی وجود داشته باشد (جامد، مایع و گاز)، مواد مغناطیسی هم می‌توانند از چنین شرایطی برخوردار باشند.

واحد نظریه ماده کوانتومی در حالات مغناطیسی غیرعادی‌تری به نام «سیالات اسپین» به کار برده می‎شود و در محاسبات کوانتومی می‌توان آن را نیز به کار بست. در سیالات اسپین، برهم‌کنش‌های قابل‌توجهی میان اسپین‌ها وجود دارد. لذا اسپین‌ها به طور مداوم در جهات مختلف به نوسان می‌پردازند.

پروفسور شانون گفت: «این آهنرباها واقعاً گیج‌کننده و جالب هستند. حتی حل کردن ساده‌ترین مدل در شبکه پیروکلور برای تیم محققان چندین سال طول کشید.» با پیشرفت‌های چشمگیر در حوزه یادگیری ماشینی، واحد نظریه ماده کوانتومی این کنجکاوی را داشت که آیا ماشین‌ها تواناییِ حل چنین مسئله پیچیده‌ای را دارند یا خیر. پروفسور شانون در ادامه گفت: «صادقانه بگویم که تقریباً مطمئن بودم که ماشین عملکرد موفقی نخواهد داشت. این اولین‌بار است که نتیجه‌ای مرا شوکه می‌کند. من قبلاً از رسیدن به برخی نتایج علمی متعجب شده‌ام، خوشحال شده‌ام، اما هیچ‌گاه شوکه نشده بودم.»

پروفسور «لود پوله» که سرپرستی تیم دانشمندان این دانشگاه را بر عهده دارد، یک هسته تانسوری ساخته است که برای نشان دادنِ چیدمان اسپین در یک رایانه می‌پردازد. دانشمندان از هسته تانسوری برای مجهز ساختنِ یک ماشین بردار پشتیبان استفاده کردند. این ماشین می‌تواند داده‌های پیچیده را در گروه‌های مختلف دسته‌بندی نماید.

دکتر «لودویک یوبرت» محقق مرکز ملی پژوهش‌های علمی فرانسه در دانشگاه بوردو بیان نمود: «مزیت عمده این نوع ماشین این است که برخلاف سایر ماشین‌های بردار پشتیبان، به هیچ تمرین قبلی احتیاج ندارد و مثل جعبه سیاه نیست. امکانِ تفسیر نتایج وجود دارد. داده‌ها نه تنها در قالب چند گروه دسته‌بندی شده‌اند، بلکه می‌توانید با این ماشین ببینید که چگونه تصمیم نهایی گرفته می‌شود و ویژگی‌های متمایز هر گروه را یاد بگیرید.»

پروفسور پوله در پایان گفت: «با بکارگیری چنین ماشین‌هایی می‌توان به سرعت و دقت قابل توجهی دست یافت. بر اساس آنچه اکنون می‌دانیم، ماشین می‌توان مسئله مورد نظر ما را در عرض یک روز حل کند. همۀ ما از عملکرد موفق این ماشین حیرت‌زده شده‌ایم چرا که می‌تواند در آینده پیامدهای مثبت بسیار زیادی در فیزیک نظری داشته باشد و به نوعی یک انقلاب در این حوزه پدید آورد. گام بعدی این است که مسئله دشوارتری به ماشین بدهیم تا آن را حل کند؛ مسئله‌ای که انسان‌ها از حل آن عاجز مانده‌اند. خواهیم دید که آیا ماشین عملکرد بهتری خواهد داشت یا خیر. امیدواریم به نتایج خوبی در آینده دست پیدا کنیم.» جزئیات بیشتر این پژوهش در مجله Physical Review B منتشر شده است.

ترجمه: منصور نقی‌لو/ سایت علمی بیگ بنگ

منبع: scitechdaily.com