Maakt kunstmatige intelligentie wetenschapper overbodig?

pyrochloorkristallen

Pyrochloorkristallen (afb: natuurtijdschriften.nl)

Kunstmatige intelligentie (ki) is tegenwoordig hoog mode. Ki kost een hoop energie, maar wereldwijd wordt er stevig gewerkt aan verdere ontwikkeling. Die lijn doortrekkend zou je je kunnen afvragen waarom kinderen nog naar school zouden moeten. Wat moeten ze daar leren dat ki (op den duur) beter niet beter kan? Ook wetenschappers moeten vrezen voor hun baan. Onderzoekers van het Japanse instituut voor wetenschap en technologie in Okinawa (OIST), de universiteit van München en van Bordeaux hebben aangetoond dat ki theoretisch-fysici op hun eigen terrein kan verslaan door ingewikkelde problemen net zo goed op te lossen als die menselijke tegenhangers, alleen een stuk sneller….
De opdracht was magnetische fases te ontdekken in pyrochloor, een mineraal met een tetraëdrische roosterstructuur. Voor het oplossen van het probleem hadden OIST-onderzoekers zes jaar nodig gehad. Ki kraakte de noot in een paar weken. “Dit voelt als een grote stap”, zegt Nic Shannon van OIST. “Computers kunnen op een betekenisvolle manier wetenschap bedrijven en problemen oplossen die wetenschappers al lang hebben gefrustreerd.”

Magnetisme is een gevolg van atoomspins. Als die alle in dezelfde richting wijzen dan is het materiaal magnetisch. Je schijnt, ik wist het niet, net als bij de massa verschillende fases te hebben bij magnetisme. De OIST-onderzoekers waren vooral geïnteresseerd in ‘spinvloeistoffen’. Die zouden iets kunnen betekenen in de de kwantuminformatica. In die ‘spinvloeistoffen’ zijn, net als de rondwandelende moleculen in echte vloeistoffen, de atoomspins niet netjes gericht, maar schieten alle kanten op.
Onderzoekers van het Japanse instituut hadden zich al eerder beziggehouden met de vraag welke typen spinvloeistoffen er bestaan in pyrochloormagneten. Resultaat van dat onderzoek was een fasediagram. Zo’n fase geeft aan hoe de atoomspins reageren als de temperatuur verandert (net als in ‘gewone’ fasediagrammen). Ze publiceerden hun resultaten in 2017.
Shannon: “Die magneten zijn vrij letterlijk frustrerend. Zelfs met het eenvoudigste model voor pyrochloor zijn onze onderzoekers daar jaren mee bezig geweest om die op te lossen.”

Geschokt

De OIST-onderzoekers vroegen zich af of dit misschien een klus was voor ki. Shannon was er van overtuigd dat de machine zou falen. “Dit was de eerste keer dat ik geschokt was door een resultaat. Ik ben wel eens blij geweest of verbaasd, maar nog nooit geschokt.” Voor het ki-deel zochten de OIST-onderzoekers hulp van onderzoekers van de universiteit van München en van Bordeaux. In München hadden Lode Pollet en medeonderzoekers een ‘tensorkern’ ontwikkeld, een manier om de atoomspins in een computer te representeren. De Münchener onderzoekers gebruikten die tensorkern in een ‘supervectormachine’, die in staat is een verzameling gegevens te categoriseren.
“Het voordeel van zo’n machine is dat, anders dan andere supervectormachines, dat je die niet hoeft in te werken”, zegt Ludovic Jaubert van de universiteit van Bordeaux. “Het is geen ‘zwarte doos’. De resultaten kun je interpreteren. Je kunt er achter komen hoe de machine zijn beslissingen heeft genomen en ook wat de eigenschappen zijn van elke groep (categorie; as).”
De machine kreeg een kwartmiljoen spinconfiguraties te verwerken, afkomstig van simulaties van de supercomputer van OIST van het pyrochloormodel. Er werd geen informatie verstrekt over de diverse fases. De machine bleek in staat een fasediagram te maken die identiek was aan die van de OIST-onderzoekers na zes jaar noeste arbeid.

fasediagram pyrochloor

Magnetisch fasediagram gemaakt door ki-systeem. De stippellijnen geven de scheidingen tussen de fases aan zoals de menselijke wetenschappers die hadden gevonden (afb: OIST)

Het bleek ook dat het ki-systeem voor de categorisering van de verschillende typen ‘spinvloeistoffen’ de juiste wiskundige vergelijkingen had gevonden voor elke fase en dat in een paar weken tijd. Pollet: “Daarvan nam de mens nog de meeste tijd. Het kan nog sneller. Waarschijnlijk zelfs in een dag.”
Shannon is niet alleen geschokt maar ook blij. Die ontwikkeling zou veel kunnen betekenen voor de theoretische natuurkunde. “De volgende stap is de machine een nog moeilijker probleem te geven dat mensen nog niet hebben opgelost.”

Bron: Alpha Galileo

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.