Zap en masse superkølede atomer med et magnetfelt, og du vil se "kvantefyrværkeri" - atomer med at skyde af i tilsyneladende tilfældige retninger.
Forskere opdagede dette tilbage i 2017, og de mistænkte, at der kunne være et mønster i fyrværkeriet. Men de kunne ikke se det på egen hånd. Så de vendte problemet over til en computer, der var trænet i mønstermatchning, som var i stand til at se, hvad de ikke kunne: en form, malet af fyrværkeriet over tid, i eksplosion efter atomstrålesprængning. Den form? En funky lille skildpadde.
Resultaterne, der blev offentliggjort som en rapport den 1. februar i tidsskriftet Science, er blandt de første store eksempler på forskere, der bruger maskinlæring til at løse kvantefysikproblemer. Folk burde forvente at se flere digitale assists af denne art, skrev forskerne, da kvantefysiske eksperimenter i stigende grad involverer systemer, der er for store og komplekse til at analysere ved hjælp af hjernekræft alene.
Her er grunden til, at den edb-hjælp var nødvendig:
For at skabe fyrværkeri startede forskerne med en tilstand, der kaldes et Bose-Einstein-kondensat. Det er en gruppe af atomer, der er bragt til temperaturer så tæt på absolut nul, at de klumper sig sammen og begynder at opføre sig som et superatom og udviser kvanteeffekter i relativt store skalaer.
Hver gang et magnetfelt ramte kondensatet, ville en håndfuld atomstråler skyde væk fra det, i tilsyneladende tilfældige retninger. Forskerne lavede billeder af jetflyene og pegede på atomenes positioner i rummet. Men selv mange af disse billeder, der er lagret oven på hinanden, afslørede ikke nogen åbenbar rim eller grund til atomenernes opførsel.
via Gfycat
Hvad computeren så, at mennesker ikke kunne, var, at hvis disse billeder blev roteret for at sidde oven på hinanden, dukkede et klart billede op. Atomerne havde i gennemsnit en tendens til at kaste sig væk fra fyrværkeriet i en af seks retninger i forhold til hinanden under hver eksplosion. Resultatet var, at nok billeder, roteret og lagdelt på den rigtige måde, afslørede fire "ben" i rette vinkler på hinanden, samt et længere "hoved" mellem to af benene matchet med en "hale" mellem de to andre . Resten af atomerne var temmelig jævnt fordelt på tre ringe, der udgjorde skildpaddes skallen.
Dette var ikke åbenlyst for menneskelige observatører, fordi retningen i "skildpadden" var orienteret under hver eksplosion var tilfældig. Og hver sprængning udgjorde kun et par stykker af det samlede skildpaddeformede puslespil. Det krævede en computers uendelige tålmodighed for at sile gennem rodede data for at finde ud af, hvordan man ordner alle billederne så skildpadden kom frem.
Denne form for metode - at slå en computers mønstergenkendelsesevner løs på et stort, rodet datasæt - har været effektiv i bestræbelser, lige fra at fortolke tankerne, der passerer gennem menneskelige hjerner, til at spotte eksoplaneter, der kredser om fjerne stjerner. Det betyder ikke, at computere overgår mennesker; folk er stadig nødt til at træne maskinerne for at lægge mærke til mønstre, og computere forstår ikke på nogen meningsfuld måde, hvad de ser. Men fremgangsmåden er et stadig mere udbredt værktøj i det videnskabelige værktøjskit, der nu er blevet anvendt til kvantefysik.
Når computeren først viste dette resultat, kontrollerede forskerne selvfølgelig sit arbejde ved hjælp af nogle gammeldags mønsterjagtteknikker, der allerede er almindelige inden for kvantefysik. Og når de først vidste, hvad de skulle kigge efter, fandt forskerne skildpadden igen, selv uden computerens hjælp.
Intet af denne forskning forklarer endnu, hvorfor fyrværkeriet over tid udviser skildpaddes form, påpegede forskerne. Og det er ikke den slags spørgsmål, som maskinlæring er velegnet til at besvare.
"Genkendelse af et mønster er altid det første trin i videnskaben, så denne type maskinlæring kunne identificere skjulte relationer og funktioner, især når vi skifter for at prøve at forstå systemer med et stort antal partikler," har hovedforfatter Cheng Chin, fysiker hos sagde University of Chicago i en erklæring.
Det næste trin i at finde ud af, hvorfor disse fyrværkeri laver en skildpadde mønster vil sandsynligvis involvere meget mindre maskinlæring og meget mere menneskelig intuition.
