Para estudar os processos físicos que ocorriam no universo logo após o Big Bang, pesquisadores da Universidade de Tecnologia de Vienna, TU Wien, na Suíça, utilizaram inteligência artificial.
Conforme os cientistas explicam no comunicado da instituição, partículas minúsculas circulavam pelo espaço com um nível de energia extremamente elevado, em meio a inúmeras alterações que ocorriam nas partículas quânticas, resultando em um estado da matéria conhecido como “plasma de quarks e glúons”.
Atualmente, para estudar esse estado inicial do universo, o plasma é produzido por colisões de núcleos atômicos de alta energia em laboratórios como o CERN, Organização Europeia para a Pesquisa Nuclear.
O estudo desses processos, no entanto, requer computadores de alto desempenho e simulações computacionais extremamente complexas, com resultados difíceis de serem analisados.
Até mesmo os algoritmos de machine learning comuns não são suficientes, já que as propriedades matemáticas da física de partículas exige uma estrutura específica de redes neurais, como aquela utilizada pela TU Wien.
Redes Neurais
De acordo com os pesquisadores, para simular um plasma de quarks e glúons da forma mais realística possível, é necessária uma grande quantidade de tempo computacional, sendo que mesmo os maiores supercomputadores do mundo poderiam ficar sobrecarregados com esse tipo de tarefa.
Assim, o ideal seria deixar de calcular cada detalhe com precisão e, em vez disso, reconhecer e prever algumas propriedades do plasma com o auxílio da inteligência artificial. Por isso, são utilizadas redes neurais similares àquelas usadas no reconhecimento de imagens.
Os “neurônios” artificiais são conectados uns aos outros no computador assim como ocorre com os neurônios do nosso cérebro. Essas conexões formam uma rede capaz de reconhecer, por exemplo, o que é visível ou não em uma imagem.
Apesar de parecer relativamente simples, quando essa técnica é aplicada ao plasma de quarks e glúons, há um problema. Os campos quânticos utilizados para descrever matematicamente as partículas e forças entre elas podem ser representados de diferentes formas. Isso é conhecido como “simetrias de Gauge”.
Para entender o conceito mais facilmente, é possível comparar com as diferentes escalas de temperatura, por exemplo. Ao configurar um termômetro para exibir os resultados em Kelvin em vez de Celsius, os números serão diferentes apesar de descreverem o mesmo estado físico.
No caso das teorias quânticas, ocorre algo similar, mas a matemática envolvida é muito mais complexa.
Simetrias de Gauge
Os pesquisadores explicam que as simetrias de Gauge são essenciais para interpretar os resultados das simulações computacionais. Contudo, ensinar uma rede neural a descobrir essas simetrias por conta própria seria extremamente difícil.
Por isso, o ideal é estruturar a rede neural de forma que as simetrias de Gauge sejam levadas em consideração automaticamente, para que diferentes representações do mesmo estado físico possam produzir os mesmos sinais na rede neural. E foi exatamente isso que a equipe de pesquisadores da TU Wien fez.
Os resultados de alguns dos testes revelaram que essas redes são capazes de aprender muito melhor como lidar com os dados da simulação do plasma de quarks e glúons. Isso significa que é possível fazer previsões sobre o sistema, como estimar como o plasma será em um determinado momento futuro sem a necessidade de realizar uma série de cálculos.
Além da economia de tempo e esforços, a tecnologia de inteligência artificial também garante que o sistema produza apenas resultados que não contrariam a simetria de Gauge.
