Door een machine enkele kwantumtrucs te leren, hebben natuurkundigen een vreemde nieuwe fase van waterstof in vaste vorm ontdekt. Hoewel deze ontdekking voorlopig puur theoretisch is, zou het ons kunnen helpen het gedrag van materie beter te begrijpen, van de kleinste schaal tot de interne mechanica van de grootste planeten in het universum.
Deze nieuwe fase van vaste waterstof, ontdekt door een internationaal team van onderzoekers, volgde op de demonstratie van waterstofmoleculen door het model onder extreme omstandigheden: om een analogie met voedsel te gebruiken, transformeerde hun vorm van gestapelde bollen als een stapel sinaasappels in iets dat veel op eieren leek.
Waterstof vereist normaal gesproken zeer lage temperaturen en zeer hoge drukken Vaste vorm. Door een nieuwe machine learning-studie van deze specifieke faseverandering hebben wetenschappers de nieuwe moleculaire rangschikking gevonden.
“We zijn begonnen met het niet zo ambitieuze doel om de theorie te verfijnen van iets dat we kennen,” Hij zegt Natuurkundige Scott Jensen van de Universiteit van Illinois, Urbana-Champaign.
“Helaas, of misschien gelukkig, was het interessanter dan dat. Er was de opkomst van dit nieuwe gedrag. In feite was dit het dominante gedrag bij hogere temperaturen en drukken, iets waar in de oude theorie geen spoor van was.”
Het bijgewerkte algoritme voor machinaal leren speelde een belangrijke rol in het onderzoek: het was in staat om de acties van duizenden atomen te modelleren in plaats van honderden talrijke studies van kwantumfenomenen.
De onderzoekers gebruikten een verbeterde versie van wat bekend staat als Kwantum Monte Carlo QMC-techniek: het maakt gebruik van willekeurige steekproeven en waarschijnlijkheidswiskunde om te zien hoe grote groepen atomen zich collectief gedragen, groepen die moeilijk te bestuderen zijn in een echt experiment.
Een tweede rekenmethode – een methode die meer atomen kan verwerken maar zonder de precisie – werd gebruikt om de resultaten te verifiëren. Omdat de resultaten congruent zijn, geven ze aan dat de verbeterde QMC-technologie werkt zoals bedoeld.
“Machine learning blijkt ons veel te leren”, Hij zegt Natuurkundige David Siberly van de Universiteit van Illinois Urbana-Champaign. “We hadden in eerdere simulaties tekenen van nieuw gedrag gezien, maar we vertrouwden ze niet omdat we maar een klein aantal atomen konden huisvesten.”
“Met ons machine learning-model kunnen we optimaal profiteren van de meest nauwkeurige methoden en zien wat er echt aan de hand is.”
Simpel gezegd, de machine learning-component heeft de nauwkeurigheid en het bereik van simulaties verbeterd die wetenschappers kunnen uitvoeren, met behulp van bestaande gegevens en simulaties uit het verleden om toekomstige simulaties nauwkeuriger te maken in termen van hun schattingen.
Waterstof is niet alleen het meest voorkomende element in het universum, maar het is ook het eenvoudigste van allemaal in termen van zijn individuele atomen: één proton en één elektron. Dit betekent dat nieuwe ontdekkingen over waterstof bijna al het andere in de natuurkunde kunnen beïnvloeden.
Op dit moment is het nog te vroeg om te zeggen wat deze nieuwe fase van vaste waterstof betekent, en er zijn meer experimenten en simulaties nodig om dit nader te bekijken. De studie van met waterstof gevulde planeten zoals Jupiter en Saturnus is echter slechts één gebied waarop dit aanvullende inzicht nuttig zou kunnen zijn.
“We willen alles begrijpen, dus we moeten beginnen met de systemen die we kunnen aanvallen.” Hij zegt Cyberly. “Waterstof is eenvoudig, dus het is de moeite waard om te weten dat we het aankunnen.”
Onderzoek gepubliceerd in Fysieke beoordelingsbrieven.
‘Webgeek. Wannabe-denker. Lezer. Freelance reisevangelist. Liefhebber van popcultuur. Gecertificeerde muziekwetenschapper.’
