A que visão de mundo astronômica uma rede neural chega se ela é alimentada apenas com dados observacionais medidos da Terra? Crédito:Tony Metger / ETH Zurique
A mecânica quântica é uma teoria bem estabelecida, mas em um nível macroscópico leva a contradições intratáveis. Agora os físicos da ETH se propõem a resolver o problema com o auxílio de redes neurais.
Necessidade é a mãe da invenção. "Até aqui, todas as nossas tentativas de resolver as contradições inerentes à mecânica quântica falharam, "diz Renato Renner, "é por isso que agora estamos tentando uma abordagem diferente." E é uma abordagem muito potente, também - mesmo que Renner, que é Professor de Física Teórica, rotula isso de "ato de desespero":em uma publicação recente, escrito junto com seu aluno de doutorado Raban Iten, seu aluno de mestrado Tony Metger e outros membros de seu grupo, Renner mostra como o uso de inteligência artificial pode ajudar a fornecer insights mais profundos sobre os conceitos físicos.
Uma caixa preta é o caminho a seguir?
O ponto de partida é a afirmação de que a mecânica quântica - não importa que experimento após experimento a tenha confirmado - leva a contradições. "Quando apontamos, um ano atrás, que deve haver um problema fundamental com a mecânica quântica, uma vez que você não pode aplicar a mecânica quântica aos usuários da mecânica quântica, temos todos os tipos de reações, e muito feedback como resultado. Mas por enquanto, ninguém apareceu com uma maneira de resolver este dilema elementar, "Renner diz.
Inicialmente, a ideia de que a inteligência artificial pode ajudar parece surpreendente. Afinal, redes neurais - o elemento-chave da inteligência artificial - operam efetivamente como uma caixa preta. Você pode ensiná-los a reconhecer rostos em fotos, mas não há como saber exatamente como eles executam essa tarefa. Então, como um físico pode esperar aprender alguma coisa com eles?
Informação condensada
A resposta dos pesquisadores da ETH foi projetar uma rede neural "tandem" de duas partes. A primeira parte da rede faz a bola rolar calculando parâmetros que são úteis para realizar tarefas físicas. Com base nisso, a segunda parte trata de um problema específico. Enquanto isso, a primeira parte continua ajustando os parâmetros até que a segunda parte seja capaz de dominar as tarefas em mãos.
"O que estamos essencialmente fazendo aqui é imitar o princípio das fórmulas físicas, "Renner explica, "já que eles informam de forma condensada quais parâmetros você precisa combinar, e como, para realizar uma tarefa específica. "A primeira parte da rede neural não comunica nenhuma fórmula física específica à segunda parte. Em vez disso, os físicos podem extrair os parâmetros que cruzam a interface entre as duas partes e derivar fórmulas físicas deles - novamente usando programas de computador especializados. "Assim que uma rede neural aprender a resolver problemas de mecânica quântica, talvez encontre uma maneira alternativa de descrever sistemas quânticos - pelo menos, isso é o que esperamos, "Renner diz.
O princípio funciona
Os físicos da ETH demonstraram que a ideia é fundamentalmente sólida por meio de tarefas físicas simples. Eles fizeram com que a rede neural tandem calculasse onde o planeta Marte poderia ser visto no céu noturno em um determinado momento. Mas tudo o que os cientistas deram à rede para trabalhar foram dados sobre as posições do planeta e do sol observadas ao longo do tempo da Terra.
A rede neural posteriormente identificou os parâmetros relevantes como aqueles necessários para calcular a posição de Marte com base na visão de mundo heliocêntrica. Em outras palavras, a rede neural encontrou a resposta "certa", mesmo que os dados iniciais não fornecessem absolutamente nenhuma indicação direta do fato de que a Terra e Marte orbitam o sol, em vez de a Terra ser o centro de nosso sistema solar.
Livre de suposições
Como as coisas estão, a rede tandem dos físicos da ETH não está em posição de resolver problemas complexos de mecânica quântica. “Mas nosso trabalho mostra que pode muito bem ser um instrumento promissor para nós, cientistas teóricos, "Renner diz. A grande vantagem da rede neural é que ela não é influenciada por nenhum conjunto de suposições anteriores." Naturalmente, também é possível explicar o movimento de Marte assumindo que a Terra está no centro. Mas isso torna os cálculos muito mais elaborados, "Renner diz." Nós nos encontramos em um ponto semelhante na física quântica:temos uma teoria que pode explicar muitos fenômenos, mas talvez estejamos cegos para outro, descrição muito mais elegante das coisas. "
Como podemos chegar à resposta certa?
Renner sabe que procurar uma descrição diferente será difícil, já que a próxima grande questão já está pairando no ar:quais dados iniciais a rede neural deve ser alimentada? "A tarefa com os planetas era basicamente fácil, porque sabíamos com antecedência quais dados iniciais levariam à resposta certa, "Renner diz." Mas se estamos procurando por novos insights, esse é o conhecimento que simplesmente não temos. "