Um grupo de físicos conseguiu, recorrendo a inteligência artificial, sintetizar um problema quântico quase insolúvel, que até agora exigia resolver 100.000 equações, numa tarefa de apenas quatro equações. A Quanta Magazine explica que tudo foi feito assegurando a absoluta precisão dos resultados.
E que implicações esta descoberta pode ter no nosso dia-a-dia? Pode revolucionar a forma como são investigados sistemas contendo muitas partículas interagindo entre si – se puder ser transferida para outros problemas, alguns deles muito maiores, a abordagem, recorrendo à chamada rede neural, poderá ajudar no projeto de materiais com propriedades predefinidas, como a supercondutividade, ou a capacidade de gerar energia limpa com mais eficiência.
“Começamos com um enorme objeto, com todas essas equações distintas que lhe estão associadas. E o que fazemos a seguir é usar a aprendizagem da máquina para transformá-lo num cálculo tão pequeno que se pode contar pelos dedos”, comentou Domenico Di Sante, da Universidade de Bolonha, na Itália.
Os cientistas estudam o comportamento dos eletrões e como há diferentes fases da matéria, como a supercondutividade, na qual os eletrões fluem através de um material sem resistência. O modelo de Hubbard também serve como campo de testes para novos métodos antes de serem aplicados em sistemas quânticos mais complexos.
Mesmo para um pequeno número de eletrões, o problema requer computação pesada porque, quando interagem entre si, os seus destinos podem cruzar-se e dois eletrões já não podem ser tratados individualmente, o que torna o desafio exponencialmente mais difícil.
A saída do programa capturou a física do modelo Hubbard, originalmente com cerca de 100.000 equações, com apenas quatro equações. “É essencialmente uma máquina que tem o poder de descobrir padrões ocultos”, disse Di Sante.
Agora que já têm seu programa treinado, os pesquisadores pretendem adaptá-lo para trabalhar noutros problemas sem ter de começar do zero. E, como os algoritmos de inteligência artificial continuam a ser uma espécie de caixa-negra, a equipa também está a investigar o que a máquina está realmente “a aprender” sobre o sistema, o que virá a trazer informações adicionais.
Fonte: Quanta Magazine
