Штучний інтелект допоміг японським вченим розгадати квантову головоломку сторіччя

Нестача даних — одна з головних проблем у наукових дослідженнях, особливо коли йдеться про застосування штучного інтелекту. Для класичних моделей машинного навчання потрібні великі набори даних, але в багатьох фундаментальних галузях науки (наприклад, у фізиці конденсованого стану) цього ресурсу часто бракує.

Яскравий приклад — дослідження так званих “фрустрованих магнетиків”, де магнітні частки в матеріалі не можуть просто вирівнятись через особливості взаємодії. Саме такі системи дуже цікавлять науковців, адже вони можуть допомогти у створенні нових типів квантових комп’ютерів.

У цій сфері дослідники з Окінави (OIST) та Мюнхена (LMU) об’єднали зусилля: фізики провели чисельні експерименти (методом Монте-Карло), а експерти з ШІ розробили алгоритм, здатний інтерпретувати навіть невеликі масиви даних. Головна перевага цієї системи — зрозумілість її рішень і відсутність необхідності попереднього тренування на великих датасетах, як це типово для інших AI-моделей.

Разом команда змогла знайти нові закономірності в поведінці “спінової рідини” — незвичайного стану магнетиків при майже абсолютному нулі температури. Коли алгоритм показав незвичний шаблон, учені змогли змінити хід симуляцій (нагріваючи матеріал замість охолодження) й отримати підтвердження гіпотези щодо невідомого стану цієї речовини.

Цей досвід продемонстрував: навіть якщо окремо люди чи ШІ не здатні розкрити складну фізичну проблему, їхнє поєднання стає ключем до прориву. Людська інтуїція та глибокі знання у тандемі з пошуком прихованих закономірностей від ШІ — ефективна стратегія для вирішення завдань у науці, коли даних обмаль.