I ricercatori del MIT sviluppano un sistema di quantificazione automatica

I ricercatori del MIT sviluppano un sistema di quantificazione automatica
I ricercatori del MIT sviluppano un sistema di quantificazione automatica

I ricercatori del MIT hanno unito le forze con l’Università di Basilea in Svizzera per risolvere un complesso problema di quantificazione fisica in nuovi materiali. Di solito si verificano sistemi le cui fasi e transizioni sono difficili da riconoscere, motivo per cui è anche difficile quantificare i cambiamenti. È per questo motivo che i ricercatori di entrambe le università hanno sviluppato modelli di intelligenza artificiale generativa. Questo sistema consente lo sviluppo On un nuovo framework di apprendimento automatico in grado di tracciare diagrammi di fase per nuovi sistemi fisici.

Attraverso a approccio di apprendimento automatico, la quantificazione fisica diventa più efficiente. Mentre di solito venivano utilizzate tecniche manuali laboriose basate su conoscenze teoriche, il nuovo approccio trae vantaggio dal modelli generativi. Il sistema non richiede un’enorme quantità di dati di addestramento etichettati che vengono generalmente utilizzati in altre tecniche di machine learning.

Secondo Frank Schäfer, postdoc presso il Julia Laboratory del Computer Science and Artificial Intelligence Laboratory (CSAIL), “se si ha un nuovo sistema con proprietà totalmente sconosciute, è difficile scegliere la quantità osservabile da studiare. La speranza, a almeno con gli strumenti basati sui dati, è che possono esserlo scansionare sistemi nuovi e di grandi dimensioni in modo automatizzato e questo indicherà cambiamenti importanti nel sistema. “Questo potrebbe essere uno strumento nel processo di scoperta scientifica automatizzata di proprietà nuove ed esotiche delle fasi.”

Questo nuovo modello ci permette di trovare e differenziare diversi gradi di materia. Ad esempio, gli scienziati potrebbero studiare più facilmente le proprietà termodinamiche di nuovi materiali o rilevare l’entanglement nei sistemi quantistici. Inoltre si può anche osservare più precisamente come un materiale passa dall’essere un normale conduttore a un superconduttore.

La procedura consiste quindi in identificare un “parametro d’ordine”, un importo importante e destinato a cambiare. Mentre i ricercatori tradizionalmente si affidavano alle competenze di fisica per costruire manualmente i diagrammi di fase sulla base delle conoscenze teoriche, l’apprendimento automatico sviluppato dagli scienziati del MIT e dell’Università di Basilea consente cCostruisci classificatori discriminanti. Questi hanno la capacità di risolvere questo compito classificando una misura statistica come proveniente da una particolare fase del sistema fisico.

“Questo è davvero un bel modo per incorporare qualcosa che conosci sul tuo sistema fisico in profondità nel tuo schema di apprendimento automatico. Va ben oltre la semplice progettazione di funzionalità sui campioni di dati o semplici pregiudizi induttivi”, afferma Schäfer, che progetta insieme a Il team del MIT ha creato un modello generativo su cui costruire un classificatore.

 
For Latest Updates Follow us on Google News
 

-

PREV PPDS continua il suo impegno nei confronti dei dvLED con Philips Unite LED 5000
NEXT Nuovo Amazfit Helio Ring, caratteristiche, prezzo e scheda tecnica