Inteligencia artificial aprende a reconocer estados exóticos de materia

Comparta este Artículo en:

Las redes neurales sólo necesitan unos pocos cientos de átomos para obtener una respuesta.

Es difícil para los seres humanos identificar las transiciones de fase, o estados exóticos de la materia que vienen a través de transiciones inusuales (digamos, un material que se convierte en un superconductor).

Sin embargo, podrían no tener que hacer todo el trabajo duro en el futuro.

Dos grupos de investigadores han demostrado que pueden enseñar a redes neuronales a reconocer esos estados y la naturaleza de las transiciones.

Al igual que lo que se ve con otros sistemas de reconocimiento basados en Inteligencia Artificial, las redes se capacitaron con imágenes, en este caso, colecciones de partículas, hasta el punto de detectar transiciones de fase por sí solas.

Ambos son muy precisos (dentro de 0,3 por ciento para la temperatura de una transición) y sólo es necesario que vean unos pocos cientos de átomos para identificar lo que están viendo.

Un sistema de aprendizaje de máquina es particularmente ventajoso en un campo como este, ya que no tiene que esbozar exactamente lo que está buscando.

Puede identificar las condiciones exactas que inducen una transición sin saber cuáles son y, teóricamente, detectar transiciones que aún no han sido descubiertas.

Hay mucho trabajo por hacer. Es fácil detectar transiciones conocidas en un laboratorio, donde se puede limitar el número de partículas, pero es mucho más difícil cuando se está mirando el abrumador volumen de partículas en la vida real.

Sin embargo, si los investigadores pueden lograr esa hazaña, podrían descubrir un comportamiento reproducible que podría ser útil en productos, como los superconductores con propiedades más tolerantes.

Fuente: Engadget