نمایش سیستم‌های کوانتومی درهم تنیده به کمک شبکه های عصبی و با الهام از ساختار مغز!

17

یادگیری ماشینی، یکی از موضوعاتی است که در حال ایجاد انقلابی در هوش مصنوعی است. ابزارها و تکنیک‌های یادگیری ماشینی منجر به پیشرفت سریع تکنولوژی‌های زیادی، از ماشین‌های خودران و تشخیص صدا گرفته تا بازی تخته کامپیوتری شده است. حالا فیزیکدانان در پژوهش جالبی، از ابزارهای یادگیری ماشینی، یعنی شبکه های عصبی برای دور زدن یک مشکل در قلب فیزیک کوانتوم استفاده کرده‌اند. نتیجه‌ی این پژوهش جالب در مجله Physical Review X منتشر شده است. با دیپ لوک همراه باشید…

شبکه‌ های عصبی مصنوعی، در واقع روشی برای انتقال اطلاعات است و از آنجا که در آنها، اطلاعات به صورت گره به گره و درست مانند نورون‌های مغز، منتقل می‌شوند، نام شبکه های عصبی برای آنها انتخاب شده است. در پژوهش تازه، دانشمندان دانشگاه مریلند نشان دادند که نوع خاصی از شبکه‌ های عصبی را می‌توان برای توصیف پیچیدگی‌ سیستم‌های کوانتومی به کار برد. محققانی که از کامپیوترها برای مطالعه‌ی سیستم‌های کوانتومی استفاده می‌کنند، از توصیف‌‌های ساده‌‌ی شبکه‌ های عصبی بهره‌مند خواهند شد. دانشمندان می‌گویند:

اگر بخواهیم برخی از مشکلات کوانتومی را به طور عددی دور بزنیم، ابتدا باید یک نمایش موثر و کارآمد پیدا کنیم

فیزیکدانان روی کاغذ و مهم‌تر از آن روی کامیپوتر، راه‌های زیادی برای نمایش سیستم‌های کوانتومی دارند. این نمایش‌ها، معمولا لیست اعدادی است که احتمال حضور یک سیستم در حالت‌های متفاوت کوانتومی را نشان می‌دهند، اما این روش نمایش، با افزایش تعداد ذرات کوانتومی، به‌شدت پیچیده شده و استخراج ویژگی‌های کوانتومی از آن، بسیار دشوار می‌شود. تصور عمده این است که درهم تنیدگی کوانتومی، یعنی همان ارتباط عجیب بین ذرات کوانتومی، نقشی کلیدی در تخریب این نمایش‌های ساده بازی می‌کند. حالا دانشمندان دریافته‌اند که شبکه های عصبی می‌توانند سیستم های کوانتومی دارای درهم تنیدگی‌های زیاد را به خوبی، نمایش دهند. دانشمندان می‌گویند:

این پژوهش، از آن جهت، منحصربفرد است که نه تنها نمایش کارآمدی برای حالت‌های کوانتومی به‌شدت درهم تنیده فراهم می‌کند، بلکه روش جدیدی برای حل مسائل بس ذره‌ای کوانتومی است که از ابزارهای یادگیری ماشینی برای پیداکردن راه‌حل‌های دقیق استفاده می‌کنند.

در واقع شبکه‌های عصبی و تکنیک‌های یادگیری همراه با آن هستند که به AlphaGo (یک برنامه کامپیوتری برای بازی Go که در سال گذشته، بهترین بازیکنان بازی Go را شکست داد) قدرت می‌دهد. سال گذشته و همزمان با پیروزی آلفاگو، مقاله‌ای منتشر شد که ایده‌ی استفاده از شبکه های عصبی برای نمایش حالت‌های کوانتومی را معرفی کرد، اگرچه هیچ پیشنهادی در مورد ابزارهای مورد استفاده نداد. محققان پژوهش جدید می‌گویند:

ما فورا تشخیص دادیم که این یک مقاله‌ی بسیار مهم است؛ بنابراین تمام انرژی و زمان خود را روی مطالعه‌ی آن گذاشتیم.

در نتیجه دانشمندان توانستند شبکه های عصبی خاصی برای نمایش حالت‌های کوانتومی بدست آورند. آنها نوعی از شبکه های عصبی را مطالعه کردند که دو گروه از نورون ها را استفاده می‌کردند. گروه اول که نورون‌های آشکار نامیده می‌شوند، نمایش دهنده‌ی ذرات کوانتومی واقعی (مانند اتم‌ها در یک شبکه نوری یا یون‌ها در یک زنجیره) هستند. محققان برای درنظرگرفتن برهمکنش ذرات، گروه دومی از نورونها به نام نورون‌های پنهان را استفاده کردند که نورون‌های آشکار را به یکدیگر مرتبط می‌کردند. این ارتباطات، نشان‌دهنده‌ی برهمکنش‌ فیزیکی بین ذرات واقعی است. تا زمانیکه تعداد ارتباطات تقریبا کوچک باشد، توصیف شبکه های عصبی هم ساده باقی می‌ماند.
با مشخص کردن یک عدد برای هر ارتباط و فراموش کردن نورون‌های پنهان از نظر ریاضی، می‌توان یک نمایش خلاصه برای بسیاری از حالت‌های کوانتومی جالب (مانند حالت‌هایی با مشخصه‌های توپولوژیکی یا درهم تنیدگی شدید) تولید کرد. با این وجود، شبکه های عصبی نمی‌توانند همه چیز را نمایش دهند، در واقع آنها بسیار محدود بوده و یک نمایش جهانی کارآمد را بدست نمی‌دهند. اگر این کار را می‌کردند، می‌توانستیم از آنها برای شبیه‌سازی یک کامپیوتر کوانتومی با یک کامپیوتر معمولی استفاده کنیم. پیداکردن مجموعه حالت‌هایی که هم بتوانند به طور کارآمدی سیستم‌های کوانتومی را نمایش دهند و هم با سایر روش‌های نمایش، همپوشانی داشته باشند، یک مسئله باز است…

مقاله اصلی را در زیر مشاهده کنید:

معرفی این مقاله

deeplook