Thomas Dalton
0 
3027
508
Zap uma massa de átomos super-resfriados com um campo magnético e você verá "fogos de artifício quânticos" - jatos de átomos disparando em direções aparentemente aleatórias.
Os pesquisadores descobriram isso em 2017 e suspeitaram que pode haver um padrão nesses fogos de artifício. Mas eles não conseguiam identificar por conta própria. Então, eles entregaram o problema a um computador treinado em combinação de padrões, que foi capaz de detectar o que eles não conseguiram: uma forma, pintada pelos fogos de artifício ao longo do tempo, em explosão após explosão de jato atômico. Essa forma? Uma pequena tartaruga funky.
Os resultados, publicados como um relatório de 1º de fevereiro na revista Science, estão entre os primeiros grandes exemplos de cientistas usando aprendizado de máquina para resolver problemas de física quântica. As pessoas deveriam esperar ver mais assistências digitais desse tipo, escreveram os pesquisadores, à medida que os experimentos de física quântica envolvem cada vez mais sistemas grandes e complexos demais para serem analisados usando apenas o poder do cérebro. [Os 18 maiores mistérios não resolvidos da física]
Veja por que a ajuda computadorizada foi necessária:
Para criar os fogos de artifício, os pesquisadores começaram com um estado da matéria chamado condensado de Bose-Einstein. Esse é um grupo de átomos trazidos a temperaturas tão próximas do zero absoluto que eles se agrupam e começam a se comportar como um superátomo, exibindo efeitos quânticos em escalas relativamente grandes.
Cada vez que um campo magnético atingia o condensado, um punhado de jatos atômicos disparava para longe dele, em direções aparentemente aleatórias. Os pesquisadores fizeram imagens dos jatos, identificando as posições dos átomos no espaço. Mas mesmo muitas dessas imagens em camadas umas sobre as outras não revelaram nenhuma rima ou razão óbvia para o comportamento dos átomos.
via Gfycat
O que o computador viu que os humanos não conseguiram foi que, se essas imagens fossem giradas para ficar uma em cima da outra, uma imagem nítida surgiria. Os átomos, em média, tendiam a se projetar para longe dos fogos de artifício em uma das seis direções em relação uns aos outros durante cada explosão. O resultado foi que imagens suficientes, giradas e em camadas da maneira certa, revelaram quatro "pernas" em ângulos retos entre si, bem como uma "cabeça" mais longa entre duas das pernas combinada com uma "cauda" entre as outras duas. . O resto dos átomos foram distribuídos de forma bastante uniforme em três anéis, que compunham o casco da tartaruga.
Isso não era óbvio para os observadores humanos porque a direção na qual a "tartaruga" estava orientada durante cada explosão era aleatória. E cada explosão constituía apenas algumas peças do quebra-cabeça geral em forma de tartaruga. Foi necessária uma paciência infinita de um computador para vasculhar dados confusos para descobrir como organizar todas as imagens de forma que a tartaruga surgisse.
Esse tipo de método - liberar as habilidades de reconhecimento de padrões de um computador em um grande e confuso conjunto de dados - tem sido eficaz em esforços que vão desde a interpretação dos pensamentos que passam pelo cérebro humano até a localização de exoplanetas orbitando estrelas distantes. Isso não significa que os computadores estão ultrapassando os humanos; as pessoas ainda precisam treinar as máquinas para perceber os padrões, e os computadores não entendem de forma significativa o que estão vendo. Mas a abordagem é uma ferramenta cada vez mais difundida no kit de ferramentas científicas que agora foi aplicado à física quântica.
É claro que, assim que o computador apresentou esse resultado, os pesquisadores verificaram seu trabalho, usando algumas técnicas antiquadas de caça de padrões já comuns na física quântica. E assim que souberam o que procurar, os pesquisadores encontraram a tartaruga novamente, mesmo sem a ajuda do computador.
Nenhuma dessas pesquisas ainda explica por que os fogos de artifício, ao longo do tempo, exibem o formato de tartaruga, apontaram os pesquisadores. E esse não é o tipo de pergunta que o aprendizado de máquina é adequado para responder.
"Reconhecer um padrão é sempre o primeiro passo na ciência, então este tipo de aprendizado de máquina pode identificar relacionamentos e recursos ocultos, especialmente à medida que mudamos para tentar entender sistemas com um grande número de partículas", autor principal Cheng Chin, um físico da a Universidade de Chicago, disse em um comunicado.
A próxima etapa para descobrir por que esses fogos de artifício criam um padrão de tartaruga provavelmente envolverá muito menos aprendizado de máquina e muito mais intuição humana.
- 7 fatos estranhos sobre quarks
- 40 fotos de sapos malucos
- Dez principais maneiras de destruir a Terra
Originalmente publicado em .