Selidiki Big Bang dengan kecerdasan buatan

Ini tidak bisa lebih rumit: Partikel kecil berdengung liar dengan energi yang sangat tinggi, interaksi yang tak terhitung jumlahnya terjadi dalam jalinan partikel kuantum, dan keadaan materi muncul yang dikenal sebagai “plasma quark-gluon”. Segera setelah Big Bang, seluruh alam semesta berada dalam keadaan ini; hari ini dihasilkan oleh tumbukan nuklir berenergi tinggi, misalnya di CERN.

Proses seperti itu hanya dapat dipelajari dengan komputer berperforma tinggi dan simulasi komputer yang sangat kompleks, yang hasilnya sulit untuk dievaluasi. Oleh karena itu, tampaknya jelas untuk menggunakan kecerdasan buatan atau pembelajaran mesin untuk tujuan ini. Namun, algoritma pembelajaran mesin konvensional tidak cocok untuk tugas ini. Sifat matematis fisika partikel memerlukan struktur jaringan saraf yang sangat khusus. Di Universitas Teknologi Wina, sekarang telah ditunjukkan bagaimana jaringan saraf dapat digunakan dengan sukses untuk tugas-tugas yang menuntut ini dalam fisika partikel.

Jaringan Saraf

“Simulasikan quark gluon plasma serealistis mungkin membutuhkan waktu komputasi yang sangat besar,” kata Dr. Andreas Ipp dari Institut Fisika Teoritis di Universitas Teknologi Wina. “Bahkan superkomputer terbesar di dunia tidak dapat mengatasi hal ini.” Oleh karena itu, sebaiknya tidak menghitung setiap detail dengan tepat, tetapi untuk mengenali dan memprediksi sifat tertentu plasma dengan bantuan kecerdasan buatan.

Inilah sebabnya mengapa jaringan saraf digunakan, mirip dengan pengenalan gambar: “neuron” buatan dihubungkan bersama di komputer dengan cara yang mirip dengan neuron di otak – dan beginilah caranya jaringan yang dapat, misalnya, mengenali apakah seekor kucing dapat dilihat dalam gambar tertentu atau tidak.

Namun, ada masalah serius dengan penerapan teknik ini pada plasma quark-gluon: Medan kuantum, yang dengannya partikel dan gaya di antara mereka dijelaskan secara matematis, dapat direpresentasikan dengan cara yang berbeda. “Ini disebut simetri pengukur,” kata Ipp. “Kami tahu prinsip dasar di baliknya: Jika saya mengkalibrasi alat pengukur secara berbeda, misalnya jika saya menggunakan skala Kelvin untuk termometer saya, bukan skala Celcius, saya mendapatkan angka yang sama sekali berbeda, meskipun saya menggambarkan kondisi fisik yang sama. Ini mirip dengan teori kuantum – kecuali bahwa perubahan yang diizinkan secara matematis jauh lebih rumit.” Objek matematika yang terlihat sangat berbeda pada pandangan pertama sebenarnya dapat menggambarkan keadaan fisik yang sama.

Simetri pengukur dibangun ke dalam struktur jaringan

“Siapa pun yang tidak memperhitungkan simetri lintasan ini tidak dapat menafsirkan hasil simulasi komputer secara bermakna,” kata Dr. David I.Mueller. “Mengajar jaringan saraf untuk mengetahui simetri pengukur ini sendiri akan sangat sulit. Jauh lebih baik untuk memulai dengan merancang struktur jaringan saraf sedemikian rupa sehingga simetri pengukur secara otomatis diperhitungkan – yaitu representasi yang berbeda dari keadaan fisik yang sama juga menghasilkan sinyal yang sama di jaringan saraf,” kata Müller . “Inilah yang sekarang berhasil kami lakukan: kami telah mengembangkan lapisan jaringan yang benar-benar baru yang secara otomatis memperhitungkan invarians pengukuran.” Beberapa aplikasi pengujian telah menunjukkan bahwa jaringan ini sebenarnya dapat belajar jauh lebih baik untuk menangani data simulasi quark -gluon plasma

“Dengan jaringan saraf seperti ini, menjadi mungkin untuk membuat prediksi tentang sistem – misalnya, untuk memperkirakan apa yang Plasma Gluon Quark akan terlihat seperti di lain waktu, tanpa benar-benar harus menghitung setiap langkah perantara secara detail,” kata Andreas Ipp – jadi setidaknya hasil yang masuk akal secara prinsip.”

Ini akan memakan waktu sebelum memungkinkan untuk sepenuhnya mensimulasikan tabrakan nuklir di CERN menggunakan metode seperti itu, tetapi yang baru Jaringan Saraf menawarkan alat yang benar-benar baru dan menjanjikan untuk menggambarkan fenomena fisik di mana semua metode komputasi lainnya mungkin tidak pernah cukup kuat.

Studi ini dipublikasikan di Surat Verifikasi Fisik.