Internationaler Workshop zu Künstlicher Intelligenz in der Quantenphysik

Künstliche neuronal Netzwerke sind ein Beispiel für Algorithmen, die unter dem Begriff künstliche Intelligenz zusammengefasst werden und seit einigen Jahren in rasantem Tempo Einzug in unseren Alltag halten. Sei es zur Spracherkennung mit dem Mobiltelefon, bei Bildersuchen im Internet oder bei personalisierter Werbung — überall wo komplexe Datenmengen analysiert werden müssen, scheint maschinelles Lernen die Nase vorn zu haben.

Die dabei eingesetzten Algorithmen sind hocheffizient aber agieren weitestgehend wie eine Black Box: herauszufinden, wie sie ein Problem erfolgreich gelöst haben, ist mitunter schwierig.

Neuerdings interessieren sich auch immer mehr Physiker für die Möglichkeiten des maschinellen Lernens, und das aus gutem Grund: sie generieren mit numerischen Simulationen und in Messungen ebenfalls große Datenmengen, deren Analyse mit künstlicher Intelligenz vereinfacht werden könnte.

Ein wichtiger Unterschied in der Zielsetzung ist dabei aber, dass in der Physik das Abstrahieren und Ableiten von allgemeinen Gesetzmäßigkeiten aus den Daten das oberste Ziel ist. Die Physiker wollen darum neuronalen Netzwerke und Co. nicht nur auf optimale Effizienz trimmen, sondern auch ihre Funktionsweise besser verstehen.

Der Workshop “Machine Learning for Quantum Many-body Physics“ am Max Planck Institut für Physik Komplexer Systeme bringt über 70 Physiker zusammen, die sich über die neuesten Entwicklungen bei der Beantwortung dieser Fragen austauschen werden.

Der Fokus liegt dabei auf der Quantenmechanik von Vielteilchensystemen. Dieses Gebiet ist besonders anspruchsvoll für numerische Simulationen und verspricht darum die größten Effizienzgewinne beim Einsatz von maschinellem Lernen. Unter anderem geht es um die Algorithmen zur Entdeckung neuer Materialien mit gewünschten Eigenschaften, um Möglichkeiten, die Information in Quanten-Wellenfunktionen zu komprimieren — ähnlich einem JPEG Bild — und um das automatisierte Entdecken von Phasen von Materie, wie Supraleitern oder Magneten.

Ein Science-Fiction Szenario für künstliche Intelligenz lässt sich dabei natürlich auch auf die Physik übertragen: Wenn neuronale Netzwerke abstrahieren lernen und neue physikalische Zusammenhänge entdecken, werden die Wissenschaftler selbst vielleicht überflüssig.

Aber bis es jemals soweit kommen kann, ist ein langer Weg zu beschreiten, der Arbeit für viele Forschungsvorhaben bereit hält.