Die mathematischen Lösungen für schwierige Quantenprobleme können schneller gefunden werden, indem man die Korrespondenz zwischen den statistischen Methoden, die in Deep Learning verwendet werden, und den Techniken zur Implementierung von Quantensimulationen ausnutzt, wie von einem Team unter der Leitung eines RIKEN-Forschers gezeigt wurde. Eine erfolgreiche Theorie in der modernen Physik ist die Quantenfeldtheorie, bei der Physiker versuchen, drei Theorien – klassische Feldphysik, Einsteins spezielle Relativitätstheorie und Quantenmechanik – in ein einziges mathematisches Modell zu integrieren. Diese Theorie hat erfolgreich Probleme in der Teilchenphysik und der kondensierten Materie gelöst, erfordert jedoch viel Computerleistung und rechenintensive Berechnungen.
Eine Möglichkeit, die Dinge zu vereinfachen, besteht darin, Raum und Zeit als ein Raster diskreter Punkte zu betrachten, anstatt sie als kontinuierliche Variablen zu betrachten. Die Gitterfeldtheorie ist zwar knifflig, aber durch den Einsatz fortschrittlicher Algorithmen, die die statistische Interpretation nutzen, ist sie rechnerisch machbar. Lingxiao Wang vom RIKEN Interdisciplinary Theoretical and Mathematical Sciences Program (iTHEMS) und Kollegen in Großbritannien und Deutschland haben gezeigt, dass ein solcher Ansatz, bekannt als stochastische Quantisierung, mit einer anderen statistischen Technik in Deep Learning namens generative Diffusion korrespondiert.
Generative Diffusionsmodelle lernen, indem sie Daten eines Bildes oder Textes verfälschen und dann reparieren. Sobald das Modell gelernt hat, wie es verfälschte Daten reparieren kann, kann es den umgekehrten Prozess auf vollständig zufällige oder verrauschte Eingaben anwenden, um neue realistische Bilder oder sinnvollen Text zu generieren. Die Forscher stellten fest, dass die stochastische Quantisierungsmethode, die in der Quantenfeldtheorie verwendet wird, auf eine sehr ähnliche Weise funktioniert.
Die Nutzung dieser Korrespondenz ermöglichte es dem Team, Lösungen für bestimmte Arten von Gitterfeldtheorie-Simulationen viel schneller zu finden als zuvor möglich. Sie beabsichtigen, ihre Entdeckung zu nutzen, um komplexere Systeme zu untersuchen und darauf aufbauend eine Quantenfeldsystem zu erforschen, das mehr Dimensionen hat und dem physikalischen Welt näher kommt.