Utilizando la inteligencia artificial, unos físicos han resumido un desalentador problema cuántico, que hasta ahora requería 100.000 ecuaciones, en una tarea de tan solo cuatro ecuaciones, todo ello sin sacrificar la precisión de los cálculos.
Este logro podría revolucionar la forma en que se hacen investigaciones científicas sobre los sistemas que contienen muchos electrones que interactúan entre ellos. Además, si este enfoque es adaptable a otros problemas matemáticos, podría ayudar a diseñar materiales con propiedades tan buscadas como la superconductividad a temperatura ambiente o una eficiencia muy elevada en la generación de energía limpia.
El equipo de Domenico Di Sante, profesor de la Universidad de Bolonia en Italia e investigador invitado en el Instituto Flatiron de la Fundación Simons, en Estados Unidos, entrenó a un sistema de aprendizaje automático (una modalidad de inteligencia artificial) para captar los entresijos de la física de los electrones que se mueven en una red, utilizando muchas menos ecuaciones de las que se necesitarían normalmente, pero con la condición de que ello no redujese la precisión.
El problema matemático concreto al que se refieren las ecuaciones es la manera en que se comportan los electrones cuando se mueven en una red. Cuando dos electrones ocupan el mismo sitio de la red, interactúan. Esta configuración, conocida como el modelo de Hubbard, es una idealización de varias clases importantes de materiales y ayuda a averiguar cómo el comportamiento de los electrones da lugar a ciertas fases de la materia, como la superconductividad, en la que los electrones fluyen a través de un material sin resistencia. El modelo también sirve como campo de pruebas para nuevos métodos antes de que se apliquen a sistemas cuánticos más complejos.
Una forma de estudiar un sistema cuántico es utilizar lo que se denomina grupo de renormalización. Se trata de una arquitectura matemática que los físicos utilizan para observar cómo cambia el comportamiento de un sistema, como el modelo de Hubbard, cuando a dicho sistema se le modifican propiedades como la temperatura. Desgraciadamente, un grupo de renormalización que lleva la cuenta de todos los posibles acoplamientos entre electrones y no sacrifica nada, puede contener decenas de miles, cientos de miles o incluso millones de ecuaciones individuales que hay que resolver.
Di Sante y sus colegas emplearon un sistema de aprendizaje automático del tipo conocido como red neural. A grandes rasgos, el programa de aprendizaje automático comienza por crear conexiones dentro de todos los componentes del problema a resolver. A continuación, la red neuronal ajusta la fuerza de esas conexiones hasta que encuentra un pequeño conjunto de ecuaciones que genera la misma solución proporcionada por el conjunto original y gigantesco. El sistema de inteligencia artificial logró captar y concentrar la física del mod
