 Phygital Labs trình diễn công nghệ Vật lý số |
 Ứng dụng hiệu quả dược lâm sàng và vật lý y khoa trong điều trị ung thư đa mô thức |
 Bí ẩn 10 năm về kích thước proton chính thức khép lại |
 |
| Hình ảnh mô phỏng bộ mạng thần kinh nhân tạo (Siêu não). Ảnh: Eurekalert |
"Siêu não" học vật lý mà nhóm Chalmers phát triển khác biệt căn bản so với các hệ thống học máy thông thường ở chỗ nó không cần tự khám phá lại các quy luật tự nhiên từ đầu. Thay vào đó, nhóm nghiên cứu nhúng thẳng các phương trình điện từ học cơ bản vào kiến trúc mạng ngay từ trước khi quá trình huấn luyện bắt đầu, giống như trao cho hệ thống một nền tảng hiểu biết sẵn có về cách ánh sáng và trường điện từ vận hành trong thực tế.
Giáo sư Philippe Tassin tại Khoa Vật lý và Thiên văn học cho biết: "Khi chúng tôi cung cấp cho siêu não thông tin về các định luật vật lý, nó lập tức trở nên thông minh hơn nhiều. Các phép tính của chúng tôi hiện chỉ mất một phần mười thời gian so với trước đây."
Ý tưởng ban đầu nảy sinh khi nhóm tìm cách làm cho các dự đoán của mạng dễ diễn giải hơn bằng cách tích hợp các phương trình quen thuộc với nhà nghiên cứu, nhưng trong quá trình thử nghiệm họ phát hiện thêm rằng cách tiếp cận này còn làm tăng hiệu suất tính toán lên đáng kể.
Trước khi có giải pháp này, việc tạo đủ dữ liệu để huấn luyện mạng thần kinh trong lĩnh vực quang tử học nano là một rào cản tốn kém về cả thời gian lẫn tài nguyên tính toán.
Theo nhóm nghiên cứu, mỗi điểm dữ liệu đơn lẻ có thể mất từ mười phút đến một giờ để tạo ra, trong khi một tập dữ liệu hoàn chỉnh đòi hỏi tới 40.000 lần chạy mô phỏng, khiến toàn bộ quá trình kéo dài tới 30 ngày liên tục. Công trình tích hợp vật lý vào mạng thần kinh đã rút ngắn con số đó xuống còn 3 ngày, tức giảm hơn chín phần mười thời gian.
Nghiên cứu sinh Viktor Lilja, thành viên trực tiếp thực hiện thực nghiệm, chia sẻ: "Sau khi huấn luyện xong mạng, chúng tôi có thể yêu cầu nó kiểm tra bất kỳ cấu trúc nào và nhận được tính chất quang học trong một phần nghìn giây. Với các mạng mới này, chúng tôi có ước tính tốt hơn và tránh được các lỗi hiển nhiên."
Lĩnh vực quang tử học nano mà nhóm Chalmers theo đuổi tập trung vào việc kiểm soát ánh sáng ở kích thước nhỏ hơn bước sóng của chính nó, tạo ra các vật liệu nhân tạo với tính chất không tồn tại trong tự nhiên.
Nhờ mạng thần kinh học vật lý, các nhà nghiên cứu có thể chạy mô phỏng siêu máy tính để thiết kế vật liệu quang học giúp thấu kính máy ảnh và kính mắt trở nên nhẹ hơn, mỏng hơn và hiệu quả hơn so với hiện tại.
Song song với ứng dụng dân dụng đó, nhóm còn hợp tác với Khoa Vi công nghệ và Khoa học Nano của Chalmers, nơi đang xây dựng máy tính lượng tử đầu tiên quy mô lớn của Thụy Điển, để khám phá liệu vật liệu có cấu trúc nano có thể kiểm soát đường truyền ánh sáng giữa các hệ thống lượng tử hay không.
Giáo sư Tassin chia sẻ: "Tôi biết các phương trình điện từ học từ trong ra ngoài và tôi dạy chúng, nhưng tôi vẫn không thể rút ra tất cả các kết luận mà mạng thần kinh có thể. Vật lý phức tạp đến mức tôi không hiểu được tính chất của vật liệu chỉ bằng cách nhìn vào nó, nhưng máy tính thì làm được."
Kết quả của Đại học Chalmers cho thấy việc kết hợp tri thức vật lý vào kiến trúc mạng thần kinh không chỉ làm tăng độ chính xác mà còn phá vỡ giới hạn tốc độ vốn là trở ngại lớn nhất trong thiết kế vật liệu quang học tiên tiến.
Khả năng dự đoán tính chất quang học trong một phần nghìn giây cho phép các nhóm nghiên cứu thử nghiệm hàng nghìn thiết kế vật liệu khác nhau trong cùng khoảng thời gian mà trước đây chỉ đủ để chạy một vài mô phỏng.
Theo đó, khi ngưỡng tốc độ này được xác lập, con đường từ phòng thí nghiệm đến các ứng dụng thực tế trong công nghệ lượng tử và thiết bị quang học tiêu dùng trở nên ngắn hơn rất nhiều so với những gì ngành nghiên cứu vật liệu từng kỳ vọng.
