Para algunos fenómenos de la física cuántica de muchos cuerpos, Existen varias teorías en competencia. Pero, ¿cuál de ellos describe mejor un fenómeno cuántico? Un equipo de investigadores de la Universidad Técnica de Munich (TUM) y la Universidad de Harvard en los Estados Unidos ahora ha implementado con éxito redes neuronales artificiales para el análisis de imágenes de sistemas cuánticos.

¿Es un perro o un gato? Esta clasificación es un excelente ejemplo de aprendizaje automático:las redes neuronales artificiales se pueden entrenar para analizar imágenes buscando patrones que sean característicos de objetos específicos. Siempre que el sistema haya aprendido tales patrones, es capaz de reconocer perros o gatos en cualquier imagen.

Usando el mismo principio, Las redes neuronales pueden detectar cambios en los tejidos en imágenes radiológicas. Los físicos ahora están utilizando el método para analizar imágenes, las llamadas instantáneas, de sistemas cuánticos de muchos cuerpos y descubrir qué teoría describe mejor los fenómenos observados.

El mundo cuántico de probabilidades

Varios fenómenos en la física de la materia condensada, que estudia sólidos y líquidos, permanecen envueltos en misterio. Por ejemplo, Hasta ahora sigue siendo difícil de alcanzar por qué la resistencia eléctrica de los superconductores de alta temperatura cae a cero a temperaturas de aproximadamente -200 grados Celsius.

Comprender estados tan extraordinarios de la materia es un desafío:se han desarrollado simuladores cuánticos basados ​​en átomos de litio ultrafríos para estudiar la física de superconductores de alta temperatura. Toman instantáneas del sistema cuántico, que existe simultáneamente en diferentes configuraciones, los físicos hablan de una superposición. Cada instantánea del sistema cuántico proporciona una configuración específica de acuerdo con su probabilidad mecánica cuántica.

Para comprender tales sistemas cuánticos, Se han desarrollado varios modelos teóricos. Pero, ¿qué tan bien reflejan la realidad? La pregunta se puede responder analizando los datos de la imagen.

Las redes neuronales investigan el mundo cuántico

Para tal fin, Un equipo de investigación de la Universidad Técnica de Munich y de la Universidad de Harvard ha empleado con éxito el aprendizaje automático:los investigadores entrenaron una red neuronal artificial para distinguir entre dos teorías en competencia.

"Similar a la detección de gatos o perros en imágenes, imágenes de configuraciones de todas las teorías cuánticas se introducen en la red neuronal, "dice Annabelle Bohrdt, estudiante de doctorado en TUM. "A continuación, se optimizan los parámetros de red para dar a cada imagen la etiqueta correcta; en este caso, son simplemente teoría A o teoría B en lugar de gato o perro ".

Tras la fase de formación con datos teóricos, la red neuronal tuvo que aplicar lo que había aprendido y asignar instantáneas de los simuladores cuánticos a la teoría A o B. La red seleccionó así la teoría que es más predictiva.

En el futuro, los investigadores planean utilizar este nuevo método para evaluar la precisión de varias descripciones teóricas. El objetivo es comprender los principales efectos físicos de la superconductividad de alta temperatura, que tiene muchas aplicaciones importantes, con la transmisión de energía eléctrica sin pérdidas y la resonancia magnética eficiente son solo dos ejemplos.