科学家训练机器学习工具来捕捉电子在晶格中运动的物理现象，一般使用的方程比所需的少得多，所有这些都没有牺牲准确性。到目前为止，可怕的量子问题需要10万个方程，物理学家使用人工智能将其压缩成只有4个方程的小任务。这一切都是在不牺牲精度的情况下完成的。

　　这项工作可以完全改变科学家研究包含大量相互作用的电子的系统的方式。编解码器此外，如果可以扩展到其他问题，则可以帮助设计具有非常宝贵特性的材料，例如超导性和清洁能源发电。

　　这项研究是由Flatiron研究所的研究人员和同事进行的，发表于9月23日《物理评论快报》。

　　我们从所有这些耦合微分方程这个巨大的物体开始。然后我们用机器把它变成了可以用手指计算的小方程式。I/O扩展器研究的主要作者Domenico Di Sante说。他是意大利 博洛尼亚大学的助理教授，也是纽约市 Flatiron研究所计算量子物理中心(CCQ)的访问研究员。

　　这个具有挑战性的量子问题包括电子在网格上移动时的行为。两个电子占据同一个晶格位置时相互作用。串行器/解串器这个模型被称为哈伯德模型，是一些重要材料的理想化，以便科学家理解电子的行为是如何制造非常受欢迎的物质阶段，包括超导电性，即电子在材料中没有电阻的流动。该模型还可以在更复杂的量子系统中，用新的方法解除以前的实验场。

　　捕获晶格中电子运动的物理和运动的数学仪器的可视化。每个像素代表两个电子之间的单个交互。到目前为止，为了准确捕获系统，大约需要10万个方程，每个像素一个。利用机器学习，科学家把问题减少到了四个方程。也就是说，压缩版本的类似可视化只需要4个像素。

　　但是哈伯德模型具有欺骗性和简单性。即使是数量较少的电子和最先进的计算方法，这个问题也需要大量的计算能力。因为电子相互作用时会在量子力学上纠缠。也就是说，即使远离不同的晶格点，这两个电子也不能单独处理。因此，物理学家必须一次处理所有电子，而不是一次处理一个。随着电子的增加，产生了更多的纠缠，这一困难的计算挑战成倍地困难起来。研究量子系统的一种方法是使用所谓的重正化组。这是物理学家用来研究系统行为的数学仪器，例如哈伯德模型，当研究人员修改温度等属性或在不同尺度观察属性时。不幸的是，在不牺牲任何东西的情况下，保持跟踪电子之间所有可能的结合的重新平衡组可能包含数万、数十万甚至数百万个需要解决的个别方程。此外，这些方程相当棘手。每个方程都表示一对电子相互作用。

　　Di Sante和他的同事们想知道，是否可以使用称为神经网络的机器学习工具，更容易地管理重正化集团。神经网络就像是疯狂的总机操作员和适者生存的进化之间的交叉。首先，机器学习程序在整个重新调整大小组内创建连接。然后，神经网络找到一个小方程，调整这些连接的强度，直到创建出与原来的大尺寸再平衡组相同的解决方案。这个程序的输出捕捉哈伯德模型的物理学，即使只有四个方程。

　　Di Sante说：‘它本质上是一台能发现隐藏模式的机器。当我们看到这个结果时，我们说：“哇，这比我们预想的要多。”我们真的可以捕捉到相关的物理学。' '

　　训练机器学习程序需要相当大的计算能力，这个程序已经运行了好几个星期了。好消息是，现在他们的程序已经优化，所以在处理完其他问题后，不需要从头开始。

　　毕竟，最大的开放性问题是新方法在更复杂的量子系统中的作用。这项技术在涉及宇宙学和神经科学等中情局的其他领域时，还有令人激动的可能性。

声明：本文章转自中电网，如有侵权请联系站方处理。

     创芯为电子(深圳)有限公司，主要代理分销电源芯片、逻辑芯片、放大器芯片、电路保护、光电器件、晶体管、继电器、电阻电容、嵌入式、时钟芯片、数据采集芯片、传感器、电感的零售及批发，目前已有商品3,529,958种商品，295种商品分类，代理分销品牌近三千家，服务领域涉及工业及消费类等多个领域，同时提供SMT贴片、方案代研发等，更多可联系创芯为电子业务人员进行了解