Un algorithme d’intelligence artificielle développé par une équipe internationale de scientifiques de 8 universités et centres de recherche du monde entier a réussi à réduire le nombre d’équations impliquées dans un problème de physique quantique de 100 000 à seulement quatre, et sans perte de précision. Ce résultat représente un bond en avant considérable dans l’étude des systèmes à plusieurs corps, comme un système à plusieurs électrons, et a récemment été publié dans la revue Lettres d’examen physique.
Avec ce travail, ils ont réussi à capturer le mouvement des électrons se déplaçant à travers un réseau carré dans des simulations qui, jusqu’à présent, nécessitaient des centaines de milliers d’équations individuelles. Si la technique est adaptable à d’autres situations, elle aiderait à générer des matériaux avec des caractéristiques souhaitables, telles que la supraconductivité ou utiles pour la génération d’énergie propre.
L’exploit informatique est une révolution dans la compréhension et la description du monde fou des petits. Comme ils l’expliquent à partir du Institut Flatironcontribuerait à résoudre l’un des problèmes les plus difficiles de la physique quantique, le problème des “n” corps, qui tente de décrire des systèmes contenant, par exemple, un grand nombre d’électrons qui interagissent entre eux.
Mais qu’est-ce que ça veut dire? Pourquoi ce qui a été réalisé est-il si pertinent ? Commençons par le début :
Le XXe siècle a apporté avec lui une nouvelle physique
La physique quantique est la branche de la physique qui traite du plus petit, comment ça marche, comment ça interagit, etc. Il est né à la fin du 19ème siècle aux mains de de Max Planck.
Planck a montré que la physique existante jusqu’à ce jour n’était pas suffisante pour expliquer l’émission d’énergie par un objet chaud. Il s’est avéré que tout correspondait lorsque l’énergie émise par le corps était un nombre entier de fois une certaine constante, qui n’avait pas non plus de comparaison classique. Planck est resté méfiant à l’égard de sa découverte jusqu’à ce que les preuves deviennent claires, car les données expérimentales d’autres scientifiques correspondent parfaitement à sa théorie.
Deux pas de géant vers l’acceptation de la théorie proposée par Planck ont été franchis, dans cet ordre, par Albert Einstein et Niels Bohr.
Einstein a utilisé la théorie quantique pour prouver effet photoélectriquedécrit quelques décennies plus tôt par Henri Hertz.
D’un autre côté, Niels Bohr Il a proposé un modèle de l’atome dans lequel les électrons ne pouvaient occuper que des orbites dont le moment cinétique était un nombre entier de fois la constante de Planck réduite. Tous deux ont été récompensés 1905 y 1922respectivement, avec le prix Nobel de physique.
Problèmes complexes difficiles à résoudre
Résoudre exactement des problèmes physiques impliquant plus de deux corps n’est pas une tâche facile. Un exemple classique en est le fameux problème à trois corps, qui consiste à trouver, pour un instant quelconque, les trajectoires de trois corps de masse soumis à l’attraction gravitationnelle, compte tenu de leurs conditions initiales de position et de vitesse. Un problème qui d’abord peuvent sembler simples, puisqu’ils sont solo trois corps et l’interaction gravitationnelle est parfaitement connue, elle ne l’est pas. En fait, c’est un système chaotiquec’est-à-dire qu’avec une très faible variation des conditions initiales, le système évolue d’une manière complètement différente.
Nous pouvons supposer que si le problème à trois corps n’a pas de solution analytique, un problème impliquant un plus grand nombre de corps, disons n. C’est ce qu’on appelle le problème de n corps.
La plupart des travaux effectués dans cette ligne se sont concentrés sur l’interaction gravitationnelle, mais d’autres problèmes de nature différente peuvent également être classés comme des problèmes de n corps. Par exemple, la simulation de grosses molécules telles que protéines ou encore la dynamique et l’interaction de groupes de particules élémentaires comme les électrons.
Le groupe de renormalisation
Analyser la dynamique d’un groupe d’électrons compte tenu de leurs conditions initiales est un problème extrêmement complexe dont la solution numérique n’est pas facile à obtenir. Ce problème implique plusieurs quantités telles que le spin, la charge, etc. Une façon de le résoudre est d’utiliser l’appel groupe de renormalisation.
Il existe deux variantes. La première consiste à saisir des blocs multi-particules et à les traiter comme une seule particule « grasse ». Ce processus peut être itéré plusieurs fois en réduisant la dimensionnalité du problème. La deuxième variante consiste à réduire la résolution spatiale du problème, en la sacrifiant pour obtenir un résultat acceptable.
Dans tous les cas, il existe des problèmes de physique pour lesquels il est difficile de trouver des solutions numériques, même en utilisant le groupe de renormalisation, car le nombre d’équations impliquées est énorme et la puissance de calcul nécessaire pour les résoudre est inabordable. peut-être avec l’informatique quantique Ce serait faisable mais pour le moment ce n’est pas le cas.
L’intelligence artificielle à la rescousse
Et c’est là que nous arrivons à la pertinence de réduire un problème de physique quantique de milliers d’équations à seulement quatre.
Récemment, un groupe de chercheurs d’Europe et des États-Unis a utilisé un algorithme d’intelligence artificielle pour réduire le nombre d’équations impliquées dans l’analyse quantique d’un Le modèle de Hubbard en deux dimensions de 100 000 à aussi peu que quatre, et tout cela sans perte de précision.
Le modèle Hubard est le modèle physique le plus simple qui décrit l’interaction entre les particules d’un réseau, comprise comme une distribution quasi-régulière de particules dans une, deux ou trois dimensions, avec seulement deux termes dans le modèle. hamiltonien (énergétique), une cinétique associée à la vitesse et une autre potentielle associée au voisinage d’autres particules.
Dans le cas d’un modèle de Hubard à deux dimensions, le nombre de variables est apparemment énorme, puisqu’il faut tenir compte des couplages entre chaque paire de particules.
Au contraire, tout comme les auteurs du publication démontrer, la dimensionnalité du problème peut être réduite sans perte de précision en utilisant des algorithmes d’intelligence artificielle et apprentissage automatique. Pour cela, ils ont utilisé un réseau de neurones appelé Équations différentielles ordinaires neurales.
Les détails du processus qu’ils ont mené peuvent être trouvés dans la publication originale, mais restons sur le fait que l’intelligence artificielle et le apprentissage automatique Ils seront probablement des acteurs clés dans de nombreuses découvertes scientifiques et technologiques à venir, nous ferions donc mieux d’être préparés.
