16.07.2019 - Technische Universität München

Künstliche Intelligenz löst Rätsel der Physik der Kondensierten Materie

Was ist die perfekte Quantentheorie?

Für einige Phänomene der Quanten-Vielteilchenphysik gibt es mehrere Theorien. Doch welche Theorie beschreibt ein quantenphysikalisches Phänomen am besten? Ein Team von Forschern der Technischen Universität München (TUM) und der amerikanischen Harvard University nutzt nun erfolgreich künstliche neuronale Netzwerke für die Bildanalyse von Quantensystemen.

Hund oder Katze? Die Unterscheidung ist ein Paradebeispiel für maschinelles Lernen: Künstliche neuronale Netzwerke können darauf trainiert werden Bilder zu analysieren, indem sie nach Mustern suchen, die auf bestimmte Objekte hindeuten. Hat das System diese Muster gelernt, erkennt es Hund oder Katze auf beliebigen Bildern.

Nach demselben Prinzip können neuronale Netzwerke auf radiologischen Aufnahmen Veränderungen im Gewebe aufspüren. Physiker nutzen die Methode jetzt, um Momentaufnahmen von Quantensystemen zu analysieren und herauszufinden, welche Theorie die dort beobachteten Phänomene am besten beschreibt.

Unterwegs in der Quantenwelt der Wahrscheinlichkeit

Einige Phänomene in der Physik der kondensierten Materie, die Festkörper und Flüssigkeiten untersucht, sind noch immer voller Rätsel. Bis heute ist beispielsweise ungeklärt, welcher Effekt dafür sorgt, dass der elektrische Widerstand von Hochtemperatur-Supraleitern bei Temperaturen von rund -200 Grad Celsius auf Null sinkt.

Solche außergewöhnlichen Zustände der Materie zu verstehen ist schwierig: Um die Physik der Hochtemperatur-Supraleiter zu verstehen wurden Quantensimulatoren entwickelt, die aus ultrakalten Lithiumatomen bestehen. Diese Simulatoren liefern Momentaufnahmen vom Quantensystem, das sich gleichzeitig in unterschiedlichen Konfigurationen befindet – Physiker sprechen von einer Superposition – und jeder Schnappschuss misst eine davon.

Um die Merkmale solcher Quantensysteme verstehen zu können, wurden verschiedene theoretische Modelle entwickelt. Doch wie zutreffend sind diese? Die Frage lässt sich durch die Analyse der Bilddaten beantworten.

Neuronale Netzwerke untersuchen die Quantenwelt

Erfolgreich nutzt hierfür ein Forschungsteam der TU München und der Harvard University (USA) maschinelles Lernen: Ein künstliches neuronales Netzwerk wurde trainiert, zwei konkurrierende Theorien zu unterscheiden.

„Ähnlich wie bei der Erkennung von Katzen oder Hunden auf Fotos werden Bilder von Konfigurationen aus jeder Quantentheorie in das neuronale Netzwerk eingespeist“, sagt Annabelle Bohrdt, Doktorandin an der TUM. „Die Netzwerkparameter werden dann optimiert, um jedem Bild das richtige Label zuzuweisen – in diesem Fall sind sie einfach nur Theorie A oder Theorie B statt Katze oder Hund.“

Nach der Trainingsphase mit theoretischen Daten musste das neuronale Netzwerk das Gelernte anwenden und Momentaufnahmen von Quantensimulatoren den Theorien A oder B zuordnen. Das Netzwerk selektierte damit die Theorie mit der größeren Vorhersagekraft.

Die neue Methode wollen die Forscher künftig nutzen, um die Übereinstimmung von Messungen mit unterschiedlichen theoretischen Modellen zu überprüfen. Ziel ist es, physikalische Effekte wie die Hochtemperatur-Supraleitung zu verstehen, was beispielsweise für verlustfreie Stromleitung und effizientere Magnetresonanz-Tomographen verwendet werden kann.

Fakten, Hintergründe, Dossiers
  • Quantenphysik
  • künstliche neuronal…
  • Bildanalysen
  • Quantensysteme
  • maschinelles Lernen
  • Materie
Mehr über TU München
  • News

    Pionierarbeit: Prototyp eines neuen Brennstoffs

    Die Technische Universität München (TUM) und Framatome arbeiten gemeinsam an der Entwicklung eines neuen Brennstoffs für die Forschungs-Neutronenquelle Heinz Maier-Leibniz (FRM II). Der Brennstoff soll aus niedrig angereichertem Uran-Molybdän (U-Mo) bestehen. Die ersten Prototypen sollen An ... mehr

    Superatome als Katalysatoren

    Edelmetalle wie Platin sind gute Katalysatoren, doch sie haben ihren Preis. Während die chemische Industrie deshalb versucht, immer kleinere Katalysatorpartikel herzustellen, verfolgt ein Team der Technischen Universität München (TUM) einen neuen Ansatz: Es baut Katalysatorpartikel zielgeri ... mehr

    Durchbruch für Photonik-Chips

    Seit 50 Jahren suchen Forscher in aller Welt nach einer Möglichkeit, Laser aus Silizium oder Germanium zu bauen. Einem Team der Technischen Universität Eindhoven (TU/e) und der Technischen Universität München (TUM) ist es nun gelungen, eine Legierung aus Germanium und Silizium zu entwickeln ... mehr

  • Videos

    Scientists pair up two stars from the world of chemistry

    Many scientists consider graphene to be a wonder material. Now, a team of researchers at the Technical University of Munich (TUM) has succeeded in linking graphene with another important chemical group, the porphyrins. These new hybrid structures could also be used in the field of molecular ... mehr

  • q&more Artikel

    Ein Geschmacks- und Aromaschub im Mund

    Der Ernährungstrend hin zu gesünderen Snacks ist ungebremst. Snacks aus gefriergetrockneten Früchten erfüllen die Erwartungen der Verbraucher an moderne, hochwertige Lebensmittel. Allerdings erfordert die Gefriertrocknung ganzer Früchte lange Trocknungszeiten ... mehr

    Ernährung, Darmflora und Lipidstoffwechsel in der Leber

    Die Natur bringt eine enorme Vielfalt an Lipidmolekülen hervor, die über unterschiedliche Stoffwechselwege synthetisiert werden. Die Fettsäuren sind Bausteine verschiedener Lipide, einschließlich Zellmembranlipiden wie die Phospholipide und Triacylglyceride, die auch die Hauptkomponenten de ... mehr

    Translation

    Die Struktur der chemischen und pharmazeutischen Großindustrie hat sich gewandelt. Traditionelle Zentralforschungsabteilungen, in denen grundlagennahe Wissenschaft ­betrieben wurde, sind ökonomischen Renditebetrachtungen zum Opfer gefallen. mehr

  • Autoren

    Prof. Dr. Ulrich Kulozik

    Ulrich Kulozik, Jahrgang 1955, studierte Lebensmitteltechnologie an der Technischen Universität München, wo er 1986 promovierte und sich 1991 für die Fächer Lebensmittel- und Bio-Prozesstechnik habilitierte. Er war bis 1999 u.a. als Department Manager Process & Product Development und Strat ... mehr

    Mine Ozcelik

    Mine Ozcelik, Jahrgang 1984, schloss an der Universität Ankara (Türkei) ihr Studium in Chemieingenieurwesen 2008 mit dem Bachelor und 2012 mit dem Master of Engineering ab. Ab September 2008 arbeitete sie in der Lebensmittelindustrie als F&E- und Laborleiterin in Ankara, wo sie die ersten F ... mehr

    Dr. Josef Ecker

    Josef Ecker, Jahrgang 1978, studierte Biologie an der Universität in Regensburg. Er promovierte 2007 und forschte danach als Postdoc am Uniklinikum in Regensburg am Institut für Klinische Chemie. Nach einer anschließenden mehrjährigen Tätigkeit in der Industrie im Bereich der Geschäftsführu ... mehr

Mehr über Harvard University
  • News

    Die kälteste chemische Reaktion

    Die kälteste chemische Reaktion im bekannten Universum fand in einem scheinbar chaotischen Durcheinander von Lasern statt. Der Schein trügt: Tief in diesem akribisch organisierten Chaos, bei Temperaturen, die Millionen Mal kälter sind als der interstellare Raum, erreichte Kang-Kuen Ni eine ... mehr

    Schneller rechnen mit Quasi-Teilchen

    Majorana-Teilchen sind äußerst spezielle Mitglieder in der Familie der Elementarteilchen. 1937 vom italienischen Physiker Ettore Majorana vorhergesagt, gehören sie wie Elektronen, Neutronen und Protonen zur Gruppe der sogenannten Fermionen. Sie sind elektrisch neutral – und zudem identisch ... mehr

    Ein rekonfigurierbarer weicher Aktuator

    Mechanische Systeme, wie Motoren und Antriebe, beruhen auf zwei Hauptbewegungsarten von steifen Komponenten: der linearen Bewegung, bei der sich ein Objekt von einem Punkt zum anderen in einer geraden Linie bewegt, und der Drehbewegung, bei der sich ein Objekt um eine Achse dreht.Die Natur ... mehr