Un team di ricercatori dell'Università Tecnica di Monaco (TUM) e dell'Università di Harvard negli Stati Uniti ha ora implementato con successo reti neurali artificiali per l'analisi delle immagini dei sistemi quantistici
Per alcuni fenomeni nella fisica quantistica di molti corpi esistono diverse teorie in competizione. Ma quale di loro descrive meglio un fenomeno quantistico?
Un team di ricercatori dell’Università Tecnica di Monaco (TUM) e dell’Università di Harvard negli Stati Uniti ha ora implementato con successo reti neurali artificiali per l’analisi delle immagini dei sistemi quantistici.
È un cane o un gatto? Una tale classificazione è un primo esempio di apprendimento automatico: le reti neurali artificiali possono essere addestrate ad analizzare le immagini cercando i modelli caratteristici di oggetti specifici. A condizione che il sistema abbia appreso tali schemi, è in grado di riconoscere cani o gatti su qualsiasi immagine.
Utilizzando lo stesso principio, le reti neurali sono in grado di rilevare i cambiamenti nel tessuto delle immagini radio. I fisici stanno ora utilizzando il metodo per analizzare le immagini – le cosiddette istantanee – dei sistemi quantistici a molti corpi e scoprire quale teoria descrive meglio i fenomeni osservati.
Diversi fenomeni nella fisica della materia condensata, che studia i solidi e i liquidi, rimangono avvolti nel mistero. Ad esempio, fino ad ora rimane impossibile spiegare perché la resistenza elettrica dei superconduttori ad alta temperatura scenda a zero a temperature di circa -200 gradi Celsius.
Comprendere questi straordinari stati della materia è difficile: i simulatori quantistici basati su atomi di litio ultrafreddi sono stati sviluppati per studiare la fisica dei superconduttori ad alta temperatura. Scattano istantanee del sistema quantistico che esiste simultaneamente in diverse configurazioni: i fisici parlano di una sovrapposizione. Ogni istantanea del sistema quantistico fornisce una configurazione specifica in base alla sua probabilità quantistica.
Per comprendere tali sistemi quantistici sono stati sviluppati vari modelli teorici. Ma quanto bene riflettono la realtà? La domanda può essere risolta analizzando i dati delle immagini.
A tal fine, un gruppo di ricerca dell’Università Tecnica di Monaco e dell’Università di Harvard ha impiegato con successo l’apprendimento automatico: i ricercatori hanno formato una rete neurale artificiale per distinguere tra due teorie concorrenti.
“Come nel riconoscimento di gatti o cani nelle immagini, le immagini di configurazione di ogni teoria quantistica vengono inserite nella rete neurale“, afferma Annabelle Bohrdt, che ha in corso un dottorato presso il TUM. “I parametri della rete sono quindi ottimizzati per dare ad ogni immagine l’etichetta giusta, in questo caso, sono solo teoria A o teoria B invece di gatto o cane“.
Dopo la fase di addestramento con dati teorici, la rete neurale ha dovuto applicare quanto appreso e assegnare istantanee dai simulatori quantistici alla teoria A o B. La rete ha quindi selezionato la teoria che è più predittiva.
In futuro i ricercatori prevedono di utilizzare questo nuovo metodo per valutare l’accuratezza di diverse descrizioni teoriche. L’obiettivo è quello di comprendere i principali effetti fisici della superconduttività ad alta temperatura, che ha molte importanti applicazioni, con la trasmissione di energia elettrica senza dispersione.
