Escola de Ciências Físicas da Universidade de Kent, em colaboração com o Conselho de Instalações de Ciência e Tecnologia (STFC) e as Universidades de Cardiff, Durham e Leeds, desenvolveram um algoritmo para treinar computadores para analisar sinais de partículas subatômicas embutidas em materiais eletrônicos avançados.

As partículas, chamados muons, são produzidos em grandes aceleradores de partículas e são implantados dentro de amostras de materiais para investigar suas propriedades magnéticas. Os múons são úteis de forma única, pois se acoplam magneticamente a átomos individuais dentro do material e, em seguida, emitem um sinal detectável por pesquisadores para obter informações sobre esse magnetismo.

Essa capacidade de examinar o magnetismo na escala atômica torna as medições baseadas em múons uma das mais poderosas sondas de magnetismo em materiais eletrônicos, incluindo 'materiais quânticos', como supercondutores e outras formas exóticas de matéria.

Como não é possível deduzir o que está acontecendo no material pelo simples exame do sinal, os pesquisadores normalmente comparam seus dados com modelos genéricos. Em contraste, a presente equipe adaptou uma técnica de ciência de dados chamada Análise de Componentes Principais (PCA), freqüentemente empregado no reconhecimento facial.

A técnica PCA envolve um computador sendo alimentado com muitas imagens relacionadas, mas distintas e, em seguida, executando um algoritmo que identifica um pequeno número de imagens "arquetípicas" que podem ser combinadas para reproduzir, com grande precisão, qualquer uma das imagens originais. Um algoritmo treinado dessa forma pode então realizar tarefas como reconhecer se uma nova imagem corresponde a uma vista anteriormente.

Os pesquisadores adaptaram a técnica PCA para analisar os sinais enviados por múons embutidos em materiais complexos, treinar o algoritmo para uma variedade de materiais quânticos usando dados experimentais obtidos no ISIS Neutron and Muon source do STFC Rutherford Appleton Laboratory.

Os resultados mostraram que a nova técnica é tão proficiente quanto o método padrão na detecção de transições de fase e, em alguns casos, pode detectar transições além das capacidades das análises padrão.

Dr. Jorge Quintanilla, Palestrante sênior em Teoria da Matéria Condensada em Kent e líder do grupo de pesquisa de Física de Materiais Quânticos disse:"Nossos resultados de pesquisa são excepcionais, pois isso foi alcançado por um algoritmo que nada sabia sobre a física dos materiais sendo investigados. Isso sugere que a nova abordagem pode ter uma aplicação muito ampla e, Como tal, disponibilizamos nossos algoritmos para uso pela comunidade de pesquisa mundial. "