Para alguns fenômenos da física quântica de muitos corpos, existem várias teorias concorrentes. Mas qual deles descreve melhor um fenômeno quântico? Uma equipe de pesquisadores da Universidade Técnica de Munique (TUM) e da Universidade de Harvard, nos Estados Unidos, implantou com sucesso redes neurais artificiais para análise de imagens de sistemas quânticos.
Isso é um cachorro ou um gato? Essa classificação é um excelente exemplo de aprendizado de máquina: redes neurais artificiais podem ser treinadas para analisar imagens, procurando padrões que sejam característicos de objetos específicos. Desde que o sistema tenha aprendido tais padrões, é capaz de reconhecer cães ou gatos em qualquer foto.
Usando o mesmo princípio, as redes neurais podem detectar alterações no tecido em imagens radiológicas. Os físicos agora estão usando o método para analisar imagens – os chamados instantâneos – de sistemas quânticos de vários corpos e descobrir qual teoria descreve melhor os fenômenos observados.
O mundo quântico das probabilidades
Vários fenômenos da física da matéria condensada, que estuda sólidos e líquidos, permanecem envoltos em mistério. Por exemplo, até agora, ainda não se sabe por que a resistência elétrica dos supercondutores de alta temperatura cai a zero a temperaturas de cerca de -200 graus Celsius.
A compreensão de tais estados extraordinários de matéria é desafiadora: simuladores quânticos baseados em átomos de lítio ultracold foram desenvolvidos para estudar a física de supercondutores de alta temperatura. Eles tiram instantâneos do sistema quântico, que existe simultaneamente em diferentes configurações – os físicos falam de uma superposição. Cada instantâneo do sistema quântico fornece uma configuração específica de acordo com sua probabilidade de mecânica quântica.
Para entender esses sistemas quânticos, vários modelos teóricos foram desenvolvidos. Mas quão bem eles refletem a realidade? A questão pode ser respondida através da análise dos dados da imagem.
Redes neurais investigam o mundo quântico
Para este fim, uma equipe de pesquisa da Universidade Técnica de Munique e da Universidade de Harvard empregou com sucesso o aprendizado de máquina: os pesquisadores treinaram uma rede neural artificial para distinguir entre duas teorias concorrentes.
“Semelhante à detecção de gatos ou cães em imagens, imagens de configurações de cada teoria quântica são alimentadas na rede neural”, diz Annabelle Bohrdt, uma estudante de doutorado na TUM. “Os parâmetros de rede são então otimizados para dar a cada imagem o rótulo correto – neste caso, eles são apenas teoria A ou teoria B em vez de gato ou cachorro.”
Após a fase de treinamento com dados teóricos, a rede neural teve que aplicar o que aprendeu e atribuir instantâneos dos simuladores quânticos à teoria A ou B. A rede selecionou a teoria que é mais preditiva.
No futuro, os pesquisadores planejam usar esse novo método para avaliar a precisão de várias descrições teóricas. O objetivo é entender os principais efeitos físicos da supercondutividade de alta temperatura, que tem muitas aplicações importantes, com transmissão de energia elétrica sem perdas e imagens de ressonância magnética eficientes sendo apenas dois exemplos.
Publicado em 12/07/2019
Artigo original: https://phys.org/news/2019-07-quantum-theory.html
Gostou? Compartilhe!
Assine nossa newsletter e fique informado sobre Astrofísica, Biofísica, Geofísica e outras áreas. Preencha seu e-mail no espaço abaixo e clique em “OK”: