AI uči prepoznavati fazne prijelaze

Ljudima je vrlo teško identificirati fazne prijelaze (ili fazne tranzicije), odnosno egzotična stanja stvari. Fazni prijelazi su promjene stanja pojedine faze (elementarne, spoja, eutektičke smjese, peritektičkog spoja i sl.) pri promjeni temperature. Tu spadaju prijelazi 1. vrste poput taljenja, isparavanja i sublimacije te prijelazi 2. vrste kod kojih na primjer tvari gube feromagnetička svojstva (Curieva temperatura), pojava supravodljivosti, procesi razlaganja i stvaranje međumetalnih spojeva.

Dva znanstvena tima iz Kanade i Zuricha (Perimeter Institute i Swiss Federal Institute of Technology), objavili su znanstvene radove u publikaciji Nature Physics koji se bave uvježbavanjem neuralnih mreža s ciljem prepoznavanja tih stanja tvari, kao i prirodu samih prijelaza.

Neuralne mreže se uvježbavaju na slikama poput drugih AI sustava koje ste već mogli vidjeti, a u ovom slučaju se radi o kolekcijama čestica, što im omogućuje da u jednom trenutku same dođu u mogućnost detektiranja faznih prijelaza.

Oba tima su postigla prilično precizne rezultate unutar 0,3 posto temperature jedne tranzicije, dok im za prepoznavanje toga u što gledaju treba tek nekoliko stotina atoma.

Sustav strojnog učenja je velika prednost za primjenu na ovom polju, gdje nije jednostavno otkriti što točno gledate. Ovako možete prepoznati točne uvjete koji predstavljaju prijelaze bez da znate što su, pa biste teoretski mogli otkriti dosad neotkrivene prijelaze.

Ovo za sada funkcionira samo u laboratoriju gdje možete limitirati broj čestica, no puno je teže otkriti fazne prijelaze u stvarnom svijetu koji je prezasićen česticama. Ukoliko znanstvenici uspiju i to riješiti, mogli bi otkriti ponašanja koja se mogu reproducirati, što bi moglo dovesti do poboljšanja mnogih proizvoda poput supravodiča.