Tudo sobre Inteligência artificial
Os pesquisadores usaram um modelo interpretável de aprendizado de máquina para resolver um problema complexo da física da matéria condensada. O estudo, publicado em Pesquisa de revisão físicaEle mostra como a colaboração entre físicos e especialistas em inteligência artificial pode revelar propriedades magnéticas ocultas em materiais extremamente difíceis de simular.
O foco da equipe internacional estava em materiais chamados ímãs frustradosonde as interações magnéticas competem entre si e impedem que o sistema adote uma única configuração ordenada. Esses materiais são relevantes para o avanço de áreas como computação quântica e gravidade quântica, mas têm grande dificuldade na modelagem computacional (especialmente em temperaturas próximas a zero absoluto).
Aprimore seu trabalho com ai!
Aprenda a criar agentes de inteligência artificial que trabalham 24 horas para você!
Conhecer o curso de IA e automação de agentes com N8N Impacta em parceria com o Visual digital.
Oferta exclusiva: assine o plano anual do Clute Digital apenas para R $ 58,99 e obtenha 10% de desconto imediato no curso.
A economia é maior que o valor da assinatura!
Aproveite esta oportunidade e dê o próximo passo em direção à automação inteligente!
Inscreva -se agora e salve!
Investigação de líquido para spin
O estudo concentrou -se em uma fase magnética específica chamada rodarUm estado exótico em que momentos magnéticos continuam a flutuar, mesmo a baixas temperaturas. A questão central era entender como esse líquido de rotação se torna o resfriado, especialmente em um tipo de material conhecido como “Pyrochlore respirando” (Piroclorina respirando).
De acordo com o professor Nic ShannonDo Instituto de Ciência e Tecnologia de Okinawa (OIST), há evidências desde 2020 de que esse tipo de fluido de rotação poderia ocorrer naturalmente nesse tipo de estrutura magnética. No entanto, mesmo com simulações sofisticadas, a equipe não conseguiu identificar claramente o status magnético final da transição.
Inteligência artificial como uma ferramenta complementar
A vez veio com a colaboração entre físicos e pesquisadores da OIST na IA da Universidade de LMU de Munique. Eles aplicaram um algoritmo de aprendizado de máquina não supervisionadodesenvolvido para classificar ordens magnéticas convencionais sem a necessidade de treinamento prévio.
“Nossa abordagem é altamente interpretávelque facilita o processo de compreensão do algoritmo pelos cientistas. Isso é essencial em áreas onde os dados são escassos ”, disse o professor PolletEstudo Co -Autora.
A equipe usou simulações de Monte Carlo – métodos computacionais que usam números aleatórios para resolver problemas complexos, especialmente aqueles que envolvem incerteza, sistemas dinâmicos ou muitas variáveis – para modelar o comportamento do sistema em temperaturas decrescentes.
Os dados gerados foram processados pelo algoritmo da AI, que revelou padrões invisíveis aos métodos tradicionais. Esses padrões foram então usados para iniciar novas simulações ao contrário (do estado final ao inicial), permitindo observar a transição magnética de uma nova perspectiva computacional.
Leia mais:
Cooperação entre humanos e máquinas
O resultado foi a identificação de um novo estado magnético anteriormente não reconhecido. A abordagem mista permitiu que os cientistas e o algoritmo apontassem elementos que seriam despercebidos isoladamente.
“Era como trabalhar com um colega: Nem o humano nem a IA conseguiram resolver o problema sozinhoMas juntos podemos entender esse fenômeno até então enigmático ”, disse o pesquisador Ludovic Jaubertda CNRS, na Universidade de Bordeaux.
Experimente abre o caminho para explorar outros desafios da matéria condensada física usando Colaboração entre especialistas e algoritmos de AI. Segundo os autores, esse tipo de abordagem pode ser crucial para avanços em campos de dados limitados e questões altamente complexas.