Ученые использовали машинное обучение для анализа квантового материала

Электроны и их поведение ставят интересные вопросы перед квантовыми физиками, а недавние инновации в источниках, инструментах и ​​​​оборудовании позволяют исследователям потенциально получить доступ к еще большему количеству информации, закодированной в квантовых материалах. Сообщает портал phys.org.

Группа под руководством Кима успешно использовала технику машинного обучения, разработанную совместно с учеными-компьютерщиками из Корнелла, для анализа огромных объемов данных о квантовом металле Cd 2 Re 2 O 7, разрешив споры об этом конкретном материале и заложив основу для будущего машинного обучения проникновение в новые фазы материи.

Физики Корнелльского университета и ученые-компьютерщики объединились для создания неконтролируемого и интерпретируемого алгоритма машинного обучения XRD Temperature Clustering (X-TEC). Затем исследователи применили X-TEC для изучения ключевых элементов металлического оксида пирохлора, Cd 2 Re 2 O 7.

X-TEC за считанные минуты проанализировала восемь терабайт рентгеновских данных, охватывающих 15 000 зон Бриллюэна (уникально определенных ячеек).

«Мы использовали неконтролируемые алгоритмы машинного обучения, которые идеально подходят для преобразования многомерных данных в кластеры, понятные людям», — сказал Килиан Вайнбергер, профессор компьютерных наук в Корнеллском университете Анны.

Благодаря этому анализу исследователи обнаружили важную информацию о поведении электронов в материале, обнаружив так называемую псевдоголдстоуновскую моду.