首次使用人工智能，在中子数据中，寻找亚原子水平的秘密！

　　科学家们试图将量子质料，即那些正在亚原子程度上具有相干挨次的质料适用于电子器件、量子计算机和超导体。量子质料的很多性质，皆归功于发生正在最小尺度上的物理，完全是量子力学的物理。一些质料，如庞大的磁性质料，取量子质料有共同点，科学家能够研讨这一些质料，以便更好地明白量子质料，并相识它们正在很多分歧电子设置中存正在的才能。

然而，明白量子和庞大磁性资料中发生相互作用需求严厉的研讨要领。一种那样的要领是中子散射，正在这里种要领中，被称为中子的中性粒子由资料上散射出来，由发生的相互作用中揭露其微观性质。然而，事实证明，即便对经验丰富的专家来讲，重修资料的布局和性能还具有挑战性。美国能源部橡树岭国度实验室（ORNL）的科学家，初次利用人工智能（AI）正在中子散射数据中探求形式，这一些形式能够致使对量子或庞大磁性资料内部物理的明白。

正在橡树岭国度实验室量子质料建议负责人Alan Tennant的率领下，研讨团队练习了一个人工神经网络（ANN），成功地诠释了散裂中子源（SNS）举行的中子散射实验数据，经过向该网络供应正在橡树岭领导力较量争论设备（OLCF）的体系上，实行中子散射摹拟数据来练习该网络，包罗该中间退役的Cray XK7泰坦。泰坦是那时最强盛的机械之一，纵然正在客岁秋日退休后，它仍正在持续为科学界供应新的发明。

之前，当要做实验时，不可以完整肯定得到了精确的后果，有了这个神经网络，能够对谜底充满信心，由于这个网络必需经由普遍的练习。正在它碰到的全部也许情形中，它都能够找到最优的解决方案。该神经网络能够揭露当前中子散射实验的新信息，乃至能够洞察将来哪些实验最有利于运转。其研讨成果揭晓正在《自然通讯》期刊上，研讨小组正正在继承OLCF的200petaflop IBM AC922峰会事情，这是世界上最壮大的超等计算机之一。

　　超出人类

　　当科学家正在SNS开展中子散射实验时，必需考虑大概构成散射形式的很多大概的状况。破译由质料上散射出来的中子成了一个谜，人们传统上一向依靠对中子散射数占有雄厚履历的人，按照他们看到的散射形式来肯定关于质料构造的可行假定。开展这一些实验的研究人员，一般可认为一种质料的哈密顿量（完整描写其性质的质料能量表达式）想出很多不一样的情形。但它们不大概注释每个零丁的缘由，特别是正在自旋冰那样的质猜中。

自旋冰是冰的磁性类似物，被以为具有奇特的磁性状况，正在这类状况下，南北磁极能够别离并自力运转，这是其他磁体没法保证的。然而，肯定这一些材估中潜正在的相互作用，已被证实是很是具有挑战性的。练习人工神经网络（ANN）是一种大概的解决方案，它是一种机械进修，能够阐发数据中的形式，并以类似于人脑中神经网络的体例运转。人类永久不大概履历所有的状况，由于总会有一些您从未想过的状况。但一台电脑却能够有数十万种状况，并能为科学家总结信息。

　　因而，盘算机变得某种程度上是牢靠的。该团队对主动编码器（一种常常适用于紧缩和重修图象的人工神经网络）进行了培训，利用超越500亿次盘算对OLCF的超等盘算资源进行了培训，OLCF是美国能源部（DOE）位于ORNL的科学用户设备办公室的一个机构。可以摹拟比人类可以搜检的更多场景，发明，人工神经网络过滤掉实验噪音，只由原始散射数据中提取最主要的信息，以重修资料的布局。盘算机可以干一万个模子，而不全是一个人类只能干简朴的100个摆布。

　　玻璃类量子资料

　　正在研讨人员对其开展练习后，ANN能够将摹拟数据取SNS的Corelli仪器纪录的实验散射数据开展比拟，Corelli仪器旨正在探测玻璃等质猜中的无序。ANN正确地捕获了质料Dy2Ti2O7中1024个所在的数据，Dy2Ti2O7是一种自旋冰，正在高温下具有玻璃样的属性。这类质料合适研讨，由于能够用令人惊叹的数学来明白它，橡树岭国度实验室是一个能够真正对这一些庞大质料开展研讨的中央。

　　研讨利用ORNL的盘算和数据科学环境（CADES）取OLCF的体系举行进一步摹拟阐明。在用摹拟对网络举行练习后，终极肯定了一个模子哈密顿量来描写质料的磁性，包孕它酿成近似玻璃的物品的点。如今，该团队正在Summit上练习更深条理的神经网络，以进一步认识玻璃类量子质料。完成OLCF练习示例所需的一切摹拟，有了Summit，就能够以一种更具互动性的体式格局运转神经网络，探索更多未知的物品。