Makine Öğrenmesi, Kuantum Fiziğini Anlamaya Yardım Ediyor

19
3
1
0
0
Bilimin pek çok alanında kullanılan yapay zeka ve makine öğrenmesi, şimdi de kuantum fiziğinin anlaşılması için araştırmacılara hizmet ediyor. Yapılan bir çalışmada yapay zeka, uzun zamandır tartışılan bir hipotezi doğruladı.

Elektronların varlığının anlaşılması ve nasıl yönlendirilebileceklerinin çözülmesiyle beraber teknolojimiz önemli anlamda ilerleme kaydetti. Bugüne geldiğimizde elektronların hareketleri çok daha detaylı bir şekilde incelenebiliyor. Sorun şu ki elde edilen veriler, insanların işlemesi için oldukça karmaşık olabiliyor.

Tarama Tünellleme Mikroskobu (STM) kullanılan çalışmada elde edilen sonuçlar, makine öğrenmesi ile işlendi. STM metodunda, atom altı ölçekte çekilen görüntülerde elektrik hareketi ve elektronların değişen hareketleri gözleniyor. Bu bilgileri başka bir yöntemle elde etmek ise pek mümkün olmuyor.

Deneylerde farklı materyaller kullanarak çekimler yapıldı. Fizik profesörü Eun-Ah Kim, Nature dergisinde yayımlanan “Machine Learning in Electronic Quantum Matter Imaging Experiments” adlı çalışmada, çalışmanın konuyla ilgili birtakım sırları ortaya çıkardığını açıkladı.

Araştırmadaki görüntüler, mikroskobun iletken ucuyla materyal arasında gerçekleşen etkileşimi gösteriyor. Kim, elde edilen görüntünün bir figürden çok bir desen olduğunu, bu desenin de geleneksel ölçümlerde ortaya çıkanlardan 10 bin kat daha karmaşık olduğunu söyledi.

Araştırmacılar, bu verilerin işlenmesi için makine öğrenmesini ve yapay zekayı kullandı. Özel olarak eğitilen yapay nöral ağ, farklı teorilerle eşleşen noktaları yakalayarak hangi teorilerin daha olası olduğunu ve daha çok doğrulandığını hesaplıyor.

Yapılan çalışmalarda, itici etkileşim enerjisinin elektron hareketini belirlemede daha önemli olduğunu savunan hipotez desteklenmiş oldu. Kim, bu çalışmalar sayesinde çok daha kompleks materyaller geliştirilebileceğini savunuyor.

Kaynak : https://phys.org/news/2019-06-machine-mysteries-quantum-physics.html
19
3
1
0
0
Emoji İle Tepki Ver
19
3
1
0
0