خب بذار از اول ماجرا برات تعریف کنم! معمولاً برای اینکه بخوای با هوش مصنوعی یا همون AI کارای خفن توی علم انجام بدی، کلی داده لازم داری. همون دیتا! اما خیلی وقتا توی تحقیقات علمی مخصوصاً حوزه‌هایی مثل فیزیک، اینقدر داده‌ها کم و دوست‌داشتنی(!) هستن که عملاً دست دانشمندها خیلی بسته‌ست، و خب مدل‌های یادگیری ماشین یا Machine Learning هم بیشتر با کلی دیتای چاق و چله حال می‌کنن!
حالا سوال پیش میاد: چطوری می‌تونیم از AI کمک بگیریم وقتی داده کم داریم یا اونقدری که باید، نمی‌تونیم به دنیای مدل‌های پر از دیتای رایج تکیه کنیم؟
یه تیم خفن از محقق‌های بین‌المللی با همین سوال رفتن سراغ یکی از شاخه‌های پیچیده‌ی فیزیک به اسم “فیزیک ماده چگال”. این حوزه به رفتار عجیب و غریب مواد می‌پردازه، مخصوصاً موادی که رفتاراشون خیلی قابل پیش‌بینی نیست و ذهن دانشمندارو حسابی درگیر می‌کنه!
موضوعی که این دفعه توجه‌شون رو جلب کرده بود، چیزی بود به اسم “آهنرباهای فرستریتد” یا Frustrated Magnets. یعنی آهنرباهایی که قسمت‌های مغناطیسی‌شون (بهشون میگن اسپین‌ها) همه‌شون هم‌جهت نمی‌شن و همین باعث می‌شه یه رفتار غیرعادی و عجیبی از خودشون نشون بدن. محقق‌ها معتقدن اگه بتونن رفتار این آهنرباهای خاص رو خوب بفهمن، شاید بتونیم چندتا پله دیگه هم به سمت ساختن کامپیوترهای کوانتومی برداریم. (کامپیوتر کوانتومی یعنی یه مدل کامپیوتر خیلی خیلی پیشرفته که به جای بیت، از کوبیت استفاده می‌کنه و می‌تونه فوق‌العاده سریع و قدرتمند باشه!)
اما مسئله اینجا بود که شبیه‌سازی (روش مدل‌سازی داخل کامپیوتر) همین آهنرباها خیلی سخت بود؛ چون تعامل بین یون‌های مغناطیسی اینقدر پیچیده‌ست که مدل‌سازی‌شون کار هر کسی نیست و عیناً نمی‌شه الگوش رو تشخیص داد.
حالا بیام سراغ یکی از جذاب‌ترین موضوعات این تحقیق: محقق‌ها به شدت مشتاق بودن بدونن وقتی یکی از این آهنرباها حسابی سرد بشه (تا نزدیکی دمای صفر مطلق – یعنی چیزی حدود منفی ۲۷۳ درجه سانتی‌گراد که همه‌چی تقریباً وایمیسته!) چه اتفاقی براش میفته. وقتی دماش خیلی پایین میاد، میره توی حالت عجیبی به اسم “مایع اسپینی” یا Spin Liquid. یعنی مغناطیس‌هاش مدام دارن تغییر می‌کنن؛ درست مثل مولکول‌های آب مایع که هی تکون می‌خورن و قرار ثابت ندارن.
اما تا همین‌جاش هم یه معما پیش اومده بود: دانشمندها هرچی تلاش می‌کردن نمی‌تونستن بفهمن وقتی این مایع اسپینی باز هم سردتر شد و مُنجمد شد دقیقاً تبدیل به چی می‌شه!
یه نفر از سرپرست‌های تحقیق، پروفسور “نیک شَنون” (رییس واحد نظریه ماده کوانتومی توی مؤسسه اوکیناوا)، گفته که: “این اواخر همه درباره‌ی نوع خاصی از این مایع اسپینی کوانتومی خیلی هیجان‌زده بودن، چون ممکنه کلید ساختن کامپیوترهای کوانتومی با تحمل خطا باشه. تازه سال 2020 فهمیدیم این Spin Liquid به طور طبیعی توی یه سری مواد مغناطیسی به اسم ‘پایروکلورهای نفس‌کش’ (breathing pyrochlores) وجود داره، ولی هر کاری کردیم نفهمیدیم این مایع اسپینی وقتی یخ می‌زنه، چی می‌شه!”
اینجا بود که هوش مصنوعی وارد بازی شد! تیم اوکیناوا با همکاری یه گروه متخصص یادگیری ماشین از دانشگاه LMU مونیخ آلمان دست به دست هم دادن. تیم آلمانی یه الگوریتم یادگیری ماشین ساخته بودن که می‌تونست نظم‌های مغناطیسی معمولی رو تشخیص بده.
یه نکته جالب درباره الگوریتمشون این بود که خیلی “قابل تفسیره” یا Interpretable. یعنی هم آدما راحت می‌تونن بفهمن تصمیم‌گیری مدل چجوری بوده (یه مدلای پیچیده مثلاً مثل ChatGPT نیست که اصلاً نفهمی چیه تو کله‌ش!)، هم اینکه نیاز به آموزش اولیه یا پیش‌فرض نداره؛ واسه همین تو پروژه‌هایی با داده کم، خیلی موثرتر از روشای رایج یادگیری ماشینی جواب می‌ده.
خلاصه قبل از همین همکاری با تیم ژاپنی، اصلاً این الگوریتم رو روی Spin Liquid امتحان نکرده بودن و براشون هم خیلی هیجان‌انگیز بود ببینن آیا می‌تونن بهش تو پیدا کردن جواب معمایی که فیزیک‌دانا مونده بودن، کمک کنه یا نه!
بذار بگم مرحله به مرحله چیکار کردن:
اول اومدن با استفاده از یه روش قدیمی و معروف به اسم “شبیه‌سازی مونت کارلو” (Monte Carlo Simulations) شبیه‌سازی سرد کردن همین spin liquid رو انجام دادن. (شبیه‌سازی مونت کارلو، یه جور روش ریاضی واسه شبیه‌سازی اتفاقاییه که تصادفی و غیرقابل پیش‌بینی هستن!)
دیتای به‌دست‌اومده از این شبیه‌سازی‌ها رو ریختن تو دل الگوریتم یادگیری ماشین و الگوریتم تونست الگوهایی پیدا کنه که قبلاً با چشم انسانی دیده نشده‌بود یا بهش توجه نکرده بودن!
مرحلۀ بعد، دانشمندها باهوش بودن و گفتن خب حالا که سرد کردنش رو مدل کردیم، بیایم داده‌ها رو برعکس کنیم و شبیه‌سازی رو برای گرم کردن اون حالت ناشناخته انجام بدیم! (یعنی مسیر برعکس سردشدن رو هم تست کردن تا مطمئن بشن چیزی که کشف کردن واقعاً اون چیزیه که حدس می‌زدن!)
نتیجه این شد که تونستن وضعیت مغناطیسی ناشناخته رو شناسایی کنن. یه معمای بزرگ، بالاخره حل شد!
یکی از اعضای تیم، دکتر لودوویک ژوبر از دانشگاه بوردو فرانسه گفته: “جالب اینجاست که نه انسان‌ها تنها و نه الگوریتم تنها، نمی‌تونستن این معما رو حل کنن! واقعاً مثل دو تا همکار بود که کنار هم کار می‌کنن، الگوریتم چیزایی رو می‌بینه که ما نمی‌بینیم و ما هم چیزایی که الگوریتم نمی‌بینه رو بهش نشون می‌دیم.”
این آزمایش نشون می‌ده که هم انسان و هم هوش مصنوعی، هر کدوم توی چیزایی قوی هستن و به تنهایی نمی‌تونن همه مشکلات پیچیده رو حل کنن. مثلاً هوش مصنوعی تو تشخیص الگوها (Pattern Recognition یعنی پیدا کردن نقاط مشترک توی داده‌ها و رفتارها) بی‌نظیره، اما ایده‌پردازی و شهود انسانی هم خیلی مهمه. وقتی این دوتا رو با هم ترکیب کنیم، ممکنه خیلی از بن‌بست‌های علمی رو بشکنیم و به جواب‌های جدید برسیم!
خلاصه، انگار عصر جدیدیه واسه حل معماهای فیزیکی؛ آدم‌ها و ربات‌ها (هوش مصنوعی‌ها!) دوش به دوش هم دارن می‌رن جلو تا جاهایی که نه یکی تنها، و نه اون یکی، نمی‌تونن برسن رو فتح کنن! واقعا هیجان‌انگیزه 🙂
منبع: +
