La Facultad de Ciencias Físicas de la Universidad de Kent, en colaboración con el Consejo de Instalaciones de Ciencia y Tecnología (STFC) y las Universidades de Cardiff, Durham y Leeds, han desarrollado un algoritmo para entrenar a las computadoras a analizar señales de partículas subatómicas incrustadas en materiales electrónicos avanzados.

Las partículas, llamados muones, se producen en aceleradores de partículas grandes y se implantan dentro de muestras de materiales para investigar sus propiedades magnéticas. Los muones son especialmente útiles ya que se acoplan magnéticamente a átomos individuales dentro del material y luego emiten una señal detectable por los investigadores para obtener información sobre ese magnetismo.

Esta capacidad de examinar el magnetismo a escala atómica hace que las mediciones basadas en muones sean una de las sondas más poderosas de magnetismo en materiales electrónicos. incluyendo 'materiales cuánticos' como superconductores y otras formas exóticas de materia.

Como no es posible deducir lo que sucede en el material mediante un simple examen de la señal, los investigadores normalmente comparan sus datos con modelos genéricos. A diferencia de, el equipo actual adaptó una técnica de ciencia de datos llamada Análisis de componentes principales (PCA), empleado con frecuencia en el reconocimiento facial.

La técnica de PCA implica que una computadora reciba muchas imágenes relacionadas pero distintas y luego ejecute un algoritmo que identifique una pequeña cantidad de imágenes "arquetípicas" que se pueden combinar para reproducir. con gran precisión, cualquiera de las imágenes originales. Un algoritmo entrenado de esta manera puede continuar para realizar tareas como reconocer si una nueva imagen coincide con una vista anteriormente.

Los investigadores adaptaron la técnica PCA para analizar las señales enviadas por muones incrustados en materiales complejos, entrenar el algoritmo para una variedad de materiales cuánticos utilizando datos experimentales obtenidos en la fuente ISIS Neutron and Muon del Laboratorio STFC Rutherford Appleton.

Los resultados mostraron que la nueva técnica es tan eficaz como el método estándar para detectar transiciones de fase y, en algunos casos, podría detectar transiciones más allá de las capacidades de los análisis estándar.

Dr. Jorge Quintanilla, Profesor titular de Teoría de la Materia Condensada en Kent y líder del grupo de investigación Física de Materiales Cuánticos dijo:"Nuestros resultados de investigación son excepcionales, ya que esto se logró mediante un algoritmo que no sabía nada sobre la física de los materiales que se estaban investigando. Esto sugiere que el nuevo enfoque podría tener una aplicación muy amplia y, como tal, hemos puesto nuestros algoritmos a disposición de la comunidad de investigación mundial ".