Pour certains phénomènes de la physique quantique à N corps, plusieurs théories concurrentes existent. Mais lequel d'entre eux décrit le mieux un phénomène quantique ? Une équipe de chercheurs de l'Université technique de Munich (TUM) et de l'Université Harvard aux États-Unis a maintenant déployé avec succès des réseaux de neurones artificiels pour l'analyse d'images de systèmes quantiques.

C'est un chien ou un chat ? Une telle classification est un excellent exemple d'apprentissage automatique :des réseaux de neurones artificiels peuvent être entraînés à analyser des images en recherchant des modèles caractéristiques d'objets spécifiques. À condition que le système ait appris de tels modèles, il est capable de reconnaître des chiens ou des chats sur n'importe quelle photo.

En utilisant le même principe, les réseaux de neurones peuvent détecter des changements dans les tissus sur des images radiologiques. Les physiciens utilisent maintenant cette méthode pour analyser des images, appelées instantanés, de systèmes quantiques à N corps et découvrir quelle théorie décrit le mieux les phénomènes observés.

Le monde quantique des probabilités

Plusieurs phénomènes en physique de la matière condensée, qui étudie les solides et les liquides, restent entourés de mystère. Par exemple, Jusqu'à présent, on ne sait toujours pas pourquoi la résistance électrique des supraconducteurs à haute température tombe à zéro à des températures d'environ -200 degrés Celsius.

Comprendre ces états extraordinaires de la matière est un défi :des simulateurs quantiques basés sur des atomes de lithium ultrafroids ont été développés pour étudier la physique des supraconducteurs à haute température. Ils prennent des instantanés du système quantique, qui existe simultanément dans différentes configurations — les physiciens parlent de superposition. Chaque instantané du système quantique donne une configuration spécifique selon sa probabilité de mécanique quantique.

Afin de comprendre de tels systèmes quantiques, divers modèles théoriques ont été développés. Mais dans quelle mesure reflètent-ils bien la réalité ? La question peut être résolue en analysant les données d'image.

Les réseaux de neurones enquêtent sur le monde quantique

À cette fin, une équipe de recherche de l'Université technique de Munich et de l'Université Harvard a utilisé avec succès l'apprentissage automatique :les chercheurs ont formé un réseau de neurones artificiels pour faire la distinction entre deux théories concurrentes.

"Semblable à la détection de chats ou de chiens en images, des images de configurations de chaque théorie quantique sont introduites dans le réseau de neurones, " dit Annabelle Bohrdt, doctorant à la TUM. « Les paramètres du réseau sont ensuite optimisés pour donner à chaque image la bonne étiquette – dans ce cas, ils ne sont que la théorie A ou la théorie B au lieu du chat ou du chien."

Après la phase de formation avec des données théoriques, le réseau de neurones a dû appliquer ce qu'il avait appris et attribuer des instantanés des simulateurs quantiques à la théorie A ou B. Le réseau a donc sélectionné la théorie la plus prédictive.

À l'avenir, les chercheurs prévoient d'utiliser cette nouvelle méthode pour évaluer l'exactitude de plusieurs descriptions théoriques. L'objectif est de comprendre les principaux effets physiques de la supraconductivité à haute température, qui a de nombreuses applications importantes, la transmission d'énergie électrique sans perte et l'imagerie par résonance magnétique efficace n'étant que deux exemples.