科學家利用機器學習揭開原子形狀之謎
利用機器學習分析幾何原子片段的創新研究標誌著數學領域的重大進步,透過加快對複雜幾何形狀和圖案的識別和理解,有可能徹底改變數學領域。新研究利用機器學習技術來辨識幾何原子碎片的屬性。這項開創性的工作有可能推動數學領域新發現的發展。
![41467_2023_41157_Fig1_HTML.webp](https://i0.wp.com/static.cnbetacdn.com/article/2023/1126/22093793329149d.webp?w=640&ssl=1)
來自諾丁漢大學和倫敦帝國學院的數學家首次利用機器學習來擴展和加速識別”原子形狀”的工作,這些形狀構成了高維度幾何的基本片段。他們的研究成果發表在《自然-通訊》(Nature Communications)。
研究小組早在幾年前就開始了創建幾何形狀”元素週期表”的工作。原子碎片被稱為法諾變體。研究小組將一串數字(稱為量子週期)與每種形狀聯繫起來,給出了描述形狀的”條碼”或”指紋”。他們最近的突破是使用一種新的機器學習方法,快速篩選這些條碼,識別形狀及其屬性,例如每個形狀的維度。
![41467_2023_41157_Fig4_HTML.webp](https://i0.wp.com/static.cnbetacdn.com/article/2023/1126/77fb2b725bf8199.webp?w=640&ssl=1)
![41467_2023_41157_Fig3_HTML.webp](https://i0.wp.com/static.cnbetacdn.com/article/2023/1126/0b9544e1b4296ee.webp?w=640&ssl=1)
亞歷山大-卡斯普日克(Alexander Kasprzyk)是諾丁漢大學數學科學學院幾何學副教授,也是這篇論文的作者之一。他解釋說:”對於數學家來說,關鍵的一步是找出給定問題中的模式。這可能非常困難,有些數學理論可能需要數年才能發現”。
倫敦帝國學院數學系教授湯姆-科茨(Tom Coates)是這篇論文的共同作者,他說:”這是人工智慧可以真正徹底改變數學的地方,因為我們已經證明,機器學習是在代數和幾何等複雜領域發現模式的強大工具。”
論文的共同作者、該團隊的博士生薩拉-維尼西亞萊(Sara Veneziale)繼續說道:”我們對機器學習可以用於純數學這一事實感到非常興奮。這將加速整個領域的新見解」。