IA reduz modelo de física quântica com 100 mil equações para apenas 4

Pesquisadores de Universidade de Bolonha, na Itália, utilizaram inteligência artificial (IA) para sintetizar um problema quântico praticamente insolúvel. Com essa abordagem, eles conseguiram comprimir um modelo de supercondutividade com mais de 100 mil equações em apenas quatro.

• O que é física quântica e mecânica quântica?
• Quinta força fundamental descoberta? Saiba tudo sobre novo experimento com múons

Segundo os cientistas, esse trabalho pode revolucionar a forma como os físicos do mundo todo investigam sistemas complexos contendo muitos elétrons em interação, como redes neurais artificiais ou dispositivos capazes de gerar energia limpa de maneira muito mais eficiente e segura.

“Começamos com esse enorme objeto com todas essas equações diferenciais acopladas, cada uma representando pares de elétrons emaranhados. Então, utilizamos aprendizagem de máquina para transformá-lo em algo tão pequeno que você pode contar nos dedos”, explica o professor de física Domênico Di Sante, autor principal do estudo.

Modelo de Hubbard

A supercondutividade é um fenômeno que surge quando uma corrente de elétrons flui livremente por um material, perdendo praticamente nenhuma energia à medida que desliza de um ponto para outro. O problema é que essa movimentação dos elétrons não ocorre de maneira uniforme, comprometendo as previsões sobre esse tipo de comportamento quântico.

O modelo de Hubbard é um sistema matemático criado há décadas para descrever o movimento confuso dos elétrons em uma rede de átomos com precisão. Originalmente, esse modelo possui mais 100 mil equações usadas para demonstrar como o comportamento dos elétrons dá origem às fases da matéria, servindo como base para a criação de sistemas quânticos mais complexos.

“Utilizando inteligência artificial, nós conseguimos reduzir esse número de equações para apenas quatro. Nosso programa é essencialmente uma máquina avançada que consegue fazer cálculos impressionantes e que tem o poder de descobrir padrões ocultos”, acrescenta o professor Di Sante.

Treinamento pesado

Treinar esse programa de inteligência artificial exigiu muito esforço de programação e poder computacional durante várias semanas. A vantagem é que agora, os pesquisadores conseguiram criar um software que pode ser adaptado para trabalhar na solução de outros problemas quânticos sem ter que começar do zero.

Os cientistas esperam que no futuro esse sistema simplificado possa ser usado para testar adequações de materiais condutores, com aplicações voltadas para a geração de energia limpa ou para o desenvolvimento de projetos de materiais capazes de fornecer supercondutividade em temperatura ambiente de maneira segura e estável.

“O teste real será observar se essa abordagem funciona em sistemas quânticos mais complexos, como em materiais nos quais os elétrons interagem a longas distâncias, incluindo algoritmos capazes de prever a mudança de temperatura de materiais, ou em abordagens mais avançadas, como na neurociência e cosmologia”, encerra o professor Domênico Di Sante.