|
Машинное обучение разгадывает тайны атомной геометрии
|
|
|
|
Новое исследование использовало машинное обучение для определения свойств атомарных частей геометрии в новаторской работе, которая может способствовать разработке новых результатов в математике. Математики из Ноттингемского университета и Имперского колледжа Лондона впервые применили машинное обучение для расширения и ускорения работы по выявлению «атомных форм», которые образуют основные части геометрии в высших измерениях. Их результаты были опубликованы в журнале Nature Communications. Исследовательская группа начала работу над созданием периодической таблицы форм несколько лет назад. Атомные части называются многообразиями Фано. Команда связывает с каждой фигурой последовательность чисел, называемую квантовыми периодами, создавая «штрих-код» или «отпечаток пальца», описывающий форму. Их недавний прорыв использует новую методологию машинного обучения, позволяющую очень быстро анализировать эти штрих-коды, определяя формы и их свойства, такие как размер каждой формы.
|
|
|
«Для математиков ключевым шагом является определение закономерности в конкретной задаче. Это может быть очень сложно, а на открытие некоторых математических теорий могут потребоваться годы», — говорит Александр Каспршик. «Именно здесь искусственный интеллект может действительно произвести революцию в математике, поскольку мы показали, что машинное обучение является мощным инструментом для выявления закономерностей в таких сложных областях, как алгебра и геометрия», — говорит профессор Том Коутс. Сара Венезиале, соавтор и доктор философии. студент в команде, продолжает: «Мы очень рады тому факту, что машинное обучение можно использовать в чистой математике. Это ускорит появление новых идей во всей этой области».
|
|
|
|
Источник
|
