物理學家用機器學習解決熱力學難題:微觀系統的「時間之箭」

機器學習除了能用來識別人臉、預測銷售之外,還能用於研究物理。近期,馬里蘭大學的研究團隊開發一種機器學習演算法,可研究宏觀與微觀過程中的熱力學時間之箭方向。研究團隊將論文發表在《Nature Physics》期刊上。

研究論文 傳送門

在微觀系統中,時間之箭的方向不明顯

熱力學第二定律提到系統隨時間演化的不對稱性,稱為「時間之箭」。在宏觀系統中,這種不對稱性有一個明確的方向,但在微觀系統中,這個方向是不明顯的,而且很容易受到波動干擾。以影片比喻,在宏觀系統中,觀眾可以明確知道它是正常播放還是倒轉,但在微觀系統中,觀眾很難判斷影片的播放方向。

論文第一作者 Alireza Seif 表示,機器學習可用於圖像辨識與分類,而時間之箭的方向也可被定義為一種分類問題,因此與同事 Mohammad Hafezi 和 Christopher Jarzynsk 一起研究用機器學習辨識時間之箭方向的可能性。

神經網路能預測時間之箭的方向,而且準確度極高

研究團隊訓練了一個神經網路,根據一組物理過程的模擬電影,來檢測時間之箭的方向,而這些電影有相應的標籤表示前進與倒退。Seif 解說道,「我們的神經網路根據輸入(電影)與網路的參數(權重與偏差),輸出一個介於 0 與 1 的數字,然後我們尋找能讓輸出值與真實標籤(時間箭頭方向)之間的差異最小化的參數值。」

研究團隊發現,神經網路能預測時間之箭的方向,而且準確度極高。

此外,研究團隊也使用了 inceptionism 技術,調查神經網路內部所發生的事情,找出最具代表性的前進與倒退軌跡。

研究團隊發現,該機器學習演算法不但解決了一個物理問題,也確定了解決這個問題的重要物理參數。Seif 表示,非平衡物理系統是團隊特別感興趣的領域,因為有一些尚未解決的問題,可以透過機器學習演算法解答。因此研究團隊正在研究統計物理學中的問題,並測試機器學習工具用於解決物理問題的潛力,期望能有新的科學發現。

參考資料

Nature Physics》、《PhysOrg

(本文提供合作夥伴轉載。首圖來源:Pxfuel CC Licensed。)

延伸閱讀

在太陽能板塗上「鈣鈦礦」,發電效率有望提升到 40%!
訊號太弱收不到怎麼辦?藉由「隨機共振」,科學家增強感測器的性能
【5G 時代的關鍵零件】新型天線有 600 MHz~6 GHz 多種頻段可選,不用花時間調頻!


混合辦公蔚為風潮,企業 IT 防疫你做了嗎?

同事們不斷回報 Wi-Fi 網路連線、資訊存取等問題嗎? 立即斬斷這些疑難雜症,全公司的連線體驗一次超進化,還可獲得 2021 雲端網管黃金白皮書 >> 進入測驗

點關鍵字看更多相關文章: