Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Künstliche Intelligenz löst Rätsel der Physik der Kondensierten Materie: Was ist die perfekte Quantentheorie?

12.07.2019

Für einige Phänomene der Quanten-Vielteilchenphysik gibt es mehrere Theorien. Doch welche Theorie beschreibt ein quantenphysikalisches Phänomen am besten? Ein Team von Forschern der Technischen Universität München (TUM) und der amerikanischen Harvard University nutzt nun erfolgreich künstliche neuronale Netzwerke für die Bildanalyse von Quantensystemen.

Hund oder Katze? Die Unterscheidung ist ein Paradebeispiel für maschinelles Lernen: Künstliche neuronale Netzwerke können darauf trainiert werden Bilder zu analysieren, indem sie nach Mustern suchen, die auf bestimmte Objekte hindeuten. Hat das System diese Muster gelernt, erkennt es Hund oder Katze auf beliebigen Bildern.


Künstliche Intelligenz hilft Physikern bei der Suche nach der optimalen Beschreibung von Quantenphänomenen.

Bild: Annabelle Bohrdt und Christoph Hohmann / MCQST

Nach demselben Prinzip können neuronale Netzwerke auf radiologischen Aufnahmen Veränderungen im Gewebe aufspüren.

Physiker nutzen die Methode jetzt, um Momentaufnahmen von Quantensystemen zu analysieren und herauszufinden, welche Theorie die dort beobachteten Phänomene am besten beschreibt.

Unterwegs in der Quantenwelt der Wahrscheinlichkeit

Einige Phänomene in der Physik der kondensierten Materie, die Festkörper und Flüssigkeiten untersucht, sind noch immer voller Rätsel. Bis heute ist beispielsweise ungeklärt, welcher Effekt dafür sorgt, dass der elektrische Widerstand von Hochtemperatur-Supraleitern bei Temperaturen von rund -200 Grad Celsius auf Null sinkt.

Solche außergewöhnlichen Zustände der Materie zu verstehen ist schwierig: Um die Physik der Hochtemperatur-Supraleiter zu verstehen wurden Quantensimulatoren entwickelt, die aus ultrakalten Lithiumatomen bestehen.

Diese Simulatoren liefern Momentaufnahmen vom Quantensystem, das sich gleichzeitig in unterschiedlichen Konfigurationen befindet – Physiker sprechen von einer Superposition – und jeder Schnappschuss misst eine davon.

Um die Merkmale solcher Quantensysteme verstehen zu können, wurden verschiedene theoretische Modelle entwickelt. Doch wie zutreffend sind diese? Die Frage lässt sich durch die Analyse der Bilddaten beantworten.

Neuronale Netzwerke untersuchen die Quantenwelt

Erfolgreich nutzt hierfür ein Forschungsteam der TU München und der Harvard University (USA) maschinelles Lernen: Ein künstliches neuronales Netzwerk wurde trainiert, zwei konkurrierende Theorien zu unterscheiden.

„Ähnlich wie bei der Erkennung von Katzen oder Hunden auf Fotos werden Bilder von Konfigurationen aus jeder Quantentheorie in das neuronale Netzwerk eingespeist“, sagt Annabelle Bohrdt, Doktorandin an der TUM. „Die Netzwerkparameter werden dann optimiert, um jedem Bild das richtige Label zuzuweisen – in diesem Fall sind sie einfach nur Theorie A oder Theorie B statt Katze oder Hund.“

Nach der Trainingsphase mit theoretischen Daten musste das neuronale Netzwerk das Gelernte anwenden und Momentaufnahmen von Quantensimulatoren den Theorien A oder B zuordnen. Das Netzwerk selektierte damit die Theorie mit der größeren Vorhersagekraft.

Die neue Methode wollen die Forscher künftig nutzen, um die Übereinstimmung von Messungen mit unterschiedlichen theoretischen Modellen zu überprüfen. Ziel ist es, physikalische Effekte wie die Hochtemperatur-Supraleitung zu verstehen, was beispielsweise für verlustfreie Stromleitung und effizientere Magnetresonanz-Tomographen verwendet werden kann.

Weitere Informationen

Die Forschung wurde gefördert durch die National Science Foundation (NSF), das Office of Scientific Research (AFOSR) der US-Luftwaffe, das National Defense Science and Engineering Graduate (NDSEG) Programm des US-Department of Defense, das Gordon and Betty Moore Foundation EPIQS-Programm, die Studienstiftung des deutschen Volkes, die Deutsche Forschungsgemeinschaft (DFG) im Rahmen des Exzellenzclusters Munich Center for Quantum Science and Technology (MCQST) und des Transregio TRR80 sowie durch das TUM Institute for Advanced Study, gefördert durch die deutsche Exzellenzinitiative und die Europäische Union, wo Prof. Knap die Rudolf Mößbauer Tenure Track Professur für Kollektive Quantendynamik inne hat.

Wissenschaftliche Ansprechpartner:

Prof. Dr. Michael Knap
Professur für Kollektive Quantendynamik
Technische Universität München
James-Franck-Str. 1, 85748 Garching
Tel.: +49 89 289 53777
E-Mail: michael.knap@ph.tum.de
Web: http://users.ph.tum.de/ga32pex/

Originalpublikation:

Classifying snapshots of the doped Hubbard model with machine learning
Annabelle Bohrdt, Christie S. Chiu, Geoffrey Ji, Muqing Xu, Daniel Greif, Markus Greiner, Eugene Demler, Fabian Grusdt und Michael Knap
nature physics, July 1, 2019 - DOI: 10.1038/s41567-019-0565-x
https://www.nature.com/articles/s41567-019-0565-x

Weitere Informationen:

https://www.tum.de/nc/die-tum/aktuelles/pressemitteilungen/details/35570/ Link zur Pressemitteilung

Dr. Ulrich Marsch | Technische Universität München

Weitere Nachrichten aus der Kategorie Informationstechnologie:

nachricht Sniff-Bots für gefährliche Umgebungen:TU Dresden entwickelt Roboter,die Gas erschnüffeln und Gefahren beseitigen können
11.07.2019 | Technische Universität Dresden

nachricht ICARUS in Betrieb genommen: Testphase hat begonnen
11.07.2019 | Universität Konstanz

Alle Nachrichten aus der Kategorie: Informationstechnologie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Künstliche Intelligenz löst Rätsel der Physik der Kondensierten Materie: Was ist die perfekte Quantentheorie?

Für einige Phänomene der Quanten-Vielteilchenphysik gibt es mehrere Theorien. Doch welche Theorie beschreibt ein quantenphysikalisches Phänomen am besten? Ein Team von Forschern der Technischen Universität München (TUM) und der amerikanischen Harvard University nutzt nun erfolgreich künstliche neuronale Netzwerke für die Bildanalyse von Quantensystemen.

Hund oder Katze? Die Unterscheidung ist ein Paradebeispiel für maschinelles Lernen: Künstliche neuronale Netzwerke können darauf trainiert werden Bilder zu...

Im Focus: Artificial neural network resolves puzzles from condensed matter physics: Which is the perfect quantum theory?

For some phenomena in quantum many-body physics several competing theories exist. But which of them describes a quantum phenomenon best? A team of researchers from the Technical University of Munich (TUM) and Harvard University in the United States has now successfully deployed artificial neural networks for image analysis of quantum systems.

Is that a dog or a cat? Such a classification is a prime example of machine learning: artificial neural networks can be trained to analyze images by looking...

Im Focus: Was die Kraftwerke der Zelle in Form hält

Ein Team aus Deutschland und der Schweiz um Professor Oliver Daumke vom MDC hat untersucht, wie ein Protein der Dynamin-Familie die innere Membran der Mitochondrien verformt. Die Ergebnisse, die auch Einblicke in erbliche Erkrankungen des Sehnervs liefern, sind im Journal „Nature“ veröffentlicht.

Mitochondrien sind die Kraftwerke unserer Zellen. Hier wird Energie in Form chemischer Verbindungen wie ATP gewonnen. Um dieser Aufgabe optimal nachgehen zu...

Im Focus: Knobeln auf dem Quanten-Schachbrett

Physiker der Universität Innsbruck schlagen ein neues Modell vor, mit dem die Überlegenheit von Quantencomputern gegenüber klassischen Supercomputern bei der Lösung von Optimierungsaufgaben gezeigt werden könnte. Sie demonstrieren in einer aktuellen Arbeit, dass schon wenige Quantenteilchen genügen würden, um das mathematisch schwierige Damenproblem im Schach auch für größere Schachbretter zu lösen.

Das Damenproblem ist eine schachmathematische Aufgabe, die schon den großen Mathematiker Carl Friedrich Gauß beschäftigt hat, für die er aber erstaunlicher...

Im Focus: Ladungstransfer innerhalb von Übergangsmetall-Farbstoffen analysiert

In farbstoffbasierten Solarzellen sorgen Übergangsmetall-Komplexe dafür, dass Licht in elektrische Energie umgewandelt wird. Bisher ging man davon aus, dass innerhalb des Moleküls eine räumliche Ladungstrennung stattfindet. Dass dies eine zu simple Beschreibung des Prozesses ist, zeigt eine Analyse an BESSY II. Erstmals hat dort ein Team die fundamentalen elektronischen Prozesse rund um das Metallatom und seine Liganden untersucht. Die Arbeit ist in der Fachzeitschrift „Angewandte Chemie, International Edition“ erschienen und stellt das Titelbild.

Organische Solarzellen wie die Grätzel-Zelle bestehen aus Farbstoffen, die auf Übergangsmetall-Komplex-Verbindungen basieren. Sonnenlicht regt die äußeren...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Hallo Herz! Wie kommuniziert welches Organ mit dem Herzen?

12.07.2019 | Veranstaltungen

Schwarze Löcher und unser Navi im Kopf: Wissenschaftsshow im Telekom Dome in Bonn

11.07.2019 | Veranstaltungen

8. Technologieforum Fahrerlose Transportsysteme und mobile Roboter des Fraunhofer IPA

09.07.2019 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Hallo Herz! Wie kommuniziert welches Organ mit dem Herzen?

12.07.2019 | Veranstaltungsnachrichten

Sniff-Bots für gefährliche Umgebungen:TU Dresden entwickelt Roboter,die Gas erschnüffeln und Gefahren beseitigen können

11.07.2019 | Informationstechnologie

Vielfältig und preiswert: Alternative Pulver für die additive Fertigung von Stählen entwickelt

11.07.2019 | Materialwissenschaften

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics