تیمی مستقر در دانشگاه پرینستون با استفاده از هوش مصنوعی (AI) برای حل معادلات حاکم بر رفتار کوانتومی اتم‌ها و مولکول‌ها، مراحل اولیه تشکیل یخ را به دقت شبیه‌سازی کرده‌اند.
شبیه سازی به دست آمده توضیح می دهد که چگونه مولکول های آب با دقت کوانتومی به یخ جامد تبدیل می شوند. این سطح از دقت که زمانی تصور می‌شد به دلیل قدرت محاسباتی مورد نیاز غیرقابل دسترس بود، زمانی امکان‌پذیر شد که محققان شبکه‌های عصبی عمیق، نوعی هوش مصنوعی را در روش‌های خود وارد کردند.
توانایی مدل‌سازی مراحل اولیه در انجماد آب، فرآیندی که هسته‌زایی یخ نامیده می‌شود، می‌تواند دقت مدل‌سازی آب و هوا و همچنین پردازش‌های دیگر مانند مواد غذایی با انجماد سریع را بهبود بخشد.
رویکرد جدید محققان را قادر می‌سازد تا فعالیت صدها هزار اتم را در بازه‌های زمانی هزاران بار طولانی‌تر، هرچند هنوز فقط کسری از ثانیه، نسبت به مطالعات اولیه ردیابی کنند.
محاسبات مکانیک کوانتوم پیچیده هستند و به قدرت محاسباتی بزرگی نیاز دارند. رایانه‌ها در دهه ۱۹۸۰ میلادی موفق شدند تنها یکصد اتم را در مدتی در حدود چند تریلیونیوم ثانیه شبیه‌سازی کنند. پیشرفت‌های بعدی در قدرت محاسباتی موجب افزایش شمار اتم‌ها و زمان شبیه‌سازی شد اما نتیجه همچنان بسیار کمتر از چیزی بود که برای مشاهده فرآیندهای پیچیده مانند هسته‌زایی یخ مورد نیاز است.
هوش مصنوعی راه حلی جالب در این زمینه فراهم کرده است به این ترتیب که پژوهشگران یک سامانه هوش مصنوعی را طوری آموزش می‌دهند که تعداد کمی از محاسبات منتخب کوانتومی را شناسایی کند. این هوش مصنوعی پس از آموزش می‌تواند نیروی بین اتم‌ها را که پیش از آن ندیده است، با دقت مکانیک کوانتوم محاسبه کند.
این رویکرد «یادگیری ماشینی» پیش از این در کاربردهای روزمره‌ای مانند شناسایی صدا و خودروهای بدون راننده (خودران) به کار رفته است. به گفته محققان، هسته‌زایی یخ یکی از کمیت‌های مهم ناشناخته در مدل‌های پیش‌بینی آب و هوا است. شبیه‌سازی جدید در این خصوص یک گام مهم روبه جلو است.
شبیه‌سازی مولکولی جدید می‌تواند به پیش‌بینی وضعیت‌های آینده کمک کند و همچنین تشکیل یخ در شرایط نامساعد فشار و دما مانند شرایط موجود در سیارات دیگر را برآورد کند.
شبیه سازی به دست آمده توضیح می دهد که چگونه مولکول های آب با دقت کوانتومی به یخ جامد تبدیل می شوند. این سطح از دقت که زمانی تصور می‌شد به دلیل قدرت محاسباتی مورد نیاز غیرقابل دسترس بود، زمانی امکان‌پذیر شد که محققان شبکه‌های عصبی عمیق، نوعی هوش مصنوعی را در روش‌های خود وارد کردند.
توانایی مدل‌سازی مراحل اولیه در انجماد آب، فرآیندی که هسته‌زایی یخ نامیده می‌شود، می‌تواند دقت مدل‌سازی آب و هوا و همچنین پردازش‌های دیگر مانند مواد غذایی با انجماد سریع را بهبود بخشد.
رویکرد جدید محققان را قادر می‌سازد تا فعالیت صدها هزار اتم را در بازه‌های زمانی هزاران بار طولانی‌تر، هرچند هنوز فقط کسری از ثانیه، نسبت به مطالعات اولیه ردیابی کنند.
محاسبات مکانیک کوانتوم پیچیده هستند و به قدرت محاسباتی بزرگی نیاز دارند. رایانه‌ها در دهه ۱۹۸۰ میلادی موفق شدند تنها یکصد اتم را در مدتی در حدود چند تریلیونیوم ثانیه شبیه‌سازی کنند. پیشرفت‌های بعدی در قدرت محاسباتی موجب افزایش شمار اتم‌ها و زمان شبیه‌سازی شد اما نتیجه همچنان بسیار کمتر از چیزی بود که برای مشاهده فرآیندهای پیچیده مانند هسته‌زایی یخ مورد نیاز است.
هوش مصنوعی راه حلی جالب در این زمینه فراهم کرده است به این ترتیب که پژوهشگران یک سامانه هوش مصنوعی را طوری آموزش می‌دهند که تعداد کمی از محاسبات منتخب کوانتومی را شناسایی کند. این هوش مصنوعی پس از آموزش می‌تواند نیروی بین اتم‌ها را که پیش از آن ندیده است، با دقت مکانیک کوانتوم محاسبه کند.
این رویکرد «یادگیری ماشینی» پیش از این در کاربردهای روزمره‌ای مانند شناسایی صدا و خودروهای بدون راننده (خودران) به کار رفته است. به گفته محققان، هسته‌زایی یخ یکی از کمیت‌های مهم ناشناخته در مدل‌های پیش‌بینی آب و هوا است. شبیه‌سازی جدید در این خصوص یک گام مهم روبه جلو است.
شبیه‌سازی مولکولی جدید می‌تواند به پیش‌بینی وضعیت‌های آینده کمک کند و همچنین تشکیل یخ در شرایط نامساعد فشار و دما مانند شرایط موجود در سیارات دیگر را برآورد کند.
کد خبر ۲۱۵۰۱۰۵۲۲.۰۵۹
