L’IA réduit un problème quantique de 100 000 équations à seulement quatre équations
Sommes-nous en train de compliquer le monde sans raison ?
Une collaboration internationale de physiciens a déployé l’intelligence artificielle (IA) pour comprimer un problème quantique extrêmement complexe, qui comprenait plus de 100 000 équations, en un problème qui ne nécessitait que quatre résolutions, rapporte Phys.org. La compression n’a pas modifié la précision du résultat et pourrait contribuer à révolutionner les systèmes d’investigation dans le domaine de la physique quantique.
Les travaux de recherche ont été menés principalement par Domenico Di Sante, professeur adjoint à l’université de Bologne en Italie, et se sont concentrés sur le modèle de Hubbard qui tente d’expliquer la transition entre les systèmes conducteurs et isolants.
Le modèle de Hubbard
Proposé pour la première fois en 1963, le modèle de Hubbard tente d’expliquer le comportement des électrons lorsqu’ils sont placés sur un réseau en forme de grille. Selon ce modèle, lorsque deux électrons occupent le même site sur le réseau, ils interagissent et leurs destins s’entremêlent sur le plan de la mécanique quantique, même s’ils sont éloignés l’un de l’autre.
L’étude du comportement des électrons aide les physiciens à expliquer les différentes phases de la matière. Cependant, comme les électrons sont enchevêtrés sur le plan de la mécanique quantique, les physiciens doivent considérer tous les électrons ensemble dans leurs calculs. Cela fait des calculs un obstacle mathématique complexe qui devient exponentiellement plus difficile à surmonter à mesure que le nombre d’électrons pris en compte augmente.
Pour simplifier la tâche, les physiciens ont utilisé un appareil mathématique appelé groupe de renormalisation, qui peut aider à garder la trace de toutes les interactions entre électrons. Cependant, un groupe de renormalisation peut finir par contenir entre des dizaines de milliers et des millions d’équations à résoudre.
Déployer l’IA pour simplifier
Di Sante et ses collègues se sont demandé si l’IA pouvait être utilisée pour simplifier le problème en question. Ils se sont tournés vers les réseaux neuronaux, où le logiciel a d’abord créé des connexions entre le groupe de renormalisation, puis a modifié la force de ces connexions pour trouver un petit ensemble d’équations qui génèrent la même solution que le groupe original, explique Phys.org dans son rapport.
Le programme a nécessité une grande puissance de calcul pour comprendre la complexité du modèle de Hubbard. Il a fonctionné pendant des semaines, mais son résultat final résumait le modèle de Hubbard en seulement quatre équations.
“C’est essentiellement une machine qui a le pouvoir de découvrir des modèles cachés”, a déclaré M. Di Sante à Phys.org. Lorsque nous avons vu le résultat, nous avons dit : “Wow, c’est plus que ce que nous attendions.” Nous avons vraiment été capables de capturer la physique pertinente.”
Maintenant que le programme a été entraîné à rechercher de tels schémas, il peut être adapté pour étudier d’autres problèmes similaires sans avoir à repartir de zéro. Si le programme peut être adapté à d’autres problèmes, les scientifiques souhaitent l’utiliser pour concevoir des matériaux offrant une supraconductivité – où les électrons circulent dans un matériau sans aucune résistance.
En outre, M. Di Sante et ses collègues étudient actuellement la manière dont l’apprentissage automatique a fonctionné dans ce cas afin de fournir des indications sur son fonctionnement et sur ce que les physiciens ont manqué.
Les résultats de la recherche ont été publiés la semaine dernière dans la revue Physical Review Letters.
Lire aussi : Une IA découvre des modèles en mathématiques pures qui n’ont jamais été vus auparavant
Source : Interesting Engineering – Traduit par Anguille sous roche
