科学家初次运用人工智能在中子数据中寻觅亚原子水平的隐秘

科学家们企图将量子资料，即那些在亚原子水平上具有相关次序的资料用于电子器件、量子核算机和超导体。量子资料的许多性质，都归功于发生在最小尺度上的物理，彻底是量子力学的物理。一些资料，如杂乱的磁性资料，与量子资料有共同点，科学家能够研讨这些资料，以便更好地了解量子资料，并了解它们在许多不同电子装备中存在的才能。

但是，了解量子和杂乱磁性资猜中发生相互作用需求严厉的研讨办法。一种这样的办法是中子散射，在这种办法中，被称为中子的中性粒子从资料上散射出来，从发生的相互作用中提醒其微观性质。但是，事实证明，即便对阅历比较丰厚的专家来说，重建资料的结构和功能也具有挑战性。美国能源部橡树岭国家试验室(ORNL)的科学家，初次运用人工智能(AI)在中子散射数据中寻觅形式，这些形式能够导致对量子或杂乱磁性资料内部物理的了解。

在橡树岭国家试验室量子资料建议负责人Alan Tennant的带领下，研讨团队练习了一个人工神经网络(ANN)，成功地解说了散裂中子源(SNS)进行的中子散射试验数据，通过向该网络供给在橡树岭领导力核算设备(OLCF)的体系上，履行中子散射模仿数据来练习该网络，包含该中心退役的Cray XK7泰坦。泰坦是其时最强壮的机器之一，即便在上一年秋天退休后，它仍在持续为科学界供给新的发现。

曾经，当要做试验时，不能彻底确认得到了正确的成果，有了这个神经网络，能够对答案充满信心，由于这个网络有必要通过广泛的练习。在它遇到的一切或许状况中，它都能够找到最优的解决方案。该神经网络能够提醒当时中子散射试验的新信息，还能够洞悉未来哪些试验最有利于运转。其研讨成果宣布在《天然通讯》期刊上，研讨小组正在持续OLCF的200petaflop IBM AC922峰会作业，这是世界上最强壮的超级核算机之一。

逾越人类

当科学家在SNS进行中子散射试验时，有必要考虑到或许构成散射形式的许多或许的状况。破译从资料上散射出来的中子成了一个谜，人们传统上一向依靠对中子散射数据有丰厚阅历的人，依据他们看到的散射形式来确认关于资料结构的可行假定。进行这些试验的研讨人员，一般能够为一种资料的哈密顿量（彻底描绘其性质的资料能量表达式）想出许多不同的情形。但它们不或许解说每一个独自的原因，特别是在自旋冰这样的资猜中。

自旋冰是冰的磁性相似物，被以为具有奇特的磁性状况，在这种状况下，南北磁极能够别离并独立运转，这是其他磁体无法做到的。但是，确认这些资猜中潜在的相互作用，已被证明是十分具有挑战性的。练习人工神经网络(ANN)是一种或许的解决方案，它是一种机器学习，能够剖析数据中的形式，并以相似于人脑中神经网络的方法运转。人类永久不或许阅历一切的状况，由于总有一些你从未想过的状况。但一台电脑却能够稀有十万种状况，并能为科学家总结信息。

因而，核算机变得某种程度上是牢靠的。该团队对主动编码器（一种常常用于紧缩和重建图画的人工神经网络）进行了练习，运用超越500亿次核算对OLCF的超级核算资源进行了练习，OLCF是美国能源部(DOE)坐落ORNL的科学用户设备办公室的一个组织。能够模仿比人类能够查看的更多场景，发现，人工神经网络过滤掉试验噪音，只从原始散射数据中提取最重要的信息，以重建资料的结构。核算机能够做一万个模型，而不是一个人类只能做简略的100个左右。

玻璃类量子资料

在研讨人员对其进行练习后，ANN能够将模仿数据与SNS的Corelli仪器记载的试验散射数据进行比较，Corelli仪器旨在勘探玻璃等资猜中的无序。ANN精确地捕捉了资料Dy2Ti2O7中1024个地址的数据，Dy2Ti2O7是一种自旋冰，在低温下具有玻璃样的特点。这种资料合适研讨，由于能够用令人惊叹的数学来了解它，橡树岭国家试验室是一个能够真正对这些杂乱资料进行研讨的当地。

研讨运用ORNL的核算和数据科学环境(CADES)与OLCF的体系进行进一步模仿剖析。在用模仿对网络进行练习后，终究确认了一个模型哈密顿量来描绘资料的磁性，包含它变成相似玻璃的东西的点。现在，该团队正在Summit上练习更深层次的神经网络，以进一步了解玻璃类量子资料。完结OLCF练习示例所需的一切模仿，有了Summit，就能够以一种更具互动性的方法运转神经网络，探究更多不知道的东西。

博科园｜研讨/来自：橡树岭国家试验室

参阅期刊《天然通讯》

博科园｜科学、科技、科研、科普

重视【博科园】看更多大美世界科学