17.01.2020
Сегодня нейросетевые технологии используются, и очень успешно, во многих областях: для переводов с иностранных языков, распознавания лиц, совершенствования беспилотных автомобилей. В конце 2019 года, к примеру, многократный южнокорейский чемпион по игре го Ли Седоль проиграл компьютерному алгоритму, разработанному лабораторией Google DeepMind, и заявил о завершении карьеры. До этого нейросети научились играть лучше человека в классические компьютерные игры Atari2600. Все потому, уверены ученые, что нейросети, самообучающиеся в ходе многократных сеансов игры, принимают решения в режиме реального времени и могут разрабатывать свои эффективные стратегии для достижения основной цели — победы в игре.
Нейросети решили использовать в своей работе и ученые Уральского федерального университета. Они обучили машинный разум, ранее разработанный для игровых платформ, определять характеристики магнитных материалов на квантовых компьютерах. Раньше это было невозможно сделать даже с использованием суперкомпьютеров. Исследователи планировали, во-первых, обработать огромные массивы накопленных данных об уже известных веществах, их состояниях при различных воздействиях — температурой, давлением, магнитным полем; во-вторых, предсказывать свойства новых материалов, наделять их необычайными свойствами, создавая не существовавшие до сих пор кристаллические структуры и химические составы. Исследовательский проект УрФУ «Нейросетевой агент, играющий в спиновые игры на квантовом компьютере» посвящен программному решению с использованием нейросетей.
«Наша нейросеть на протяжении определенного времени самостоятельно „играет“ на квантовом компьютере, — объясняет профессор УрФУ Владимир Мазуренко. — Применяя способности нейросети к саморазвитию в процессе игры, мы обучили ее эффективно решать задачи на квантовом компьютере даже в присутствии эффектов декогеренции и при этом приходить к наилучшим из возможных результатов. Обученная нейросеть сама адаптируется к текущему состоянию квантового компьютера. В этом — новизна нашего подхода».
Пока нейросети доступны самые простые проблемы — описать основные состояния магнитных кластеров небольших размеров.
«Но и эти первые шаги показывают, насколько продуктивнее работать на современных квантовых компьютерах, несмотря на то что они пока характеризуются значительными флуктуациями на уровне результатов измерений», — добавляет ученый.
Сотрудники кафедры специализируются также на изучении магнитных свойств материалов. Важное направление в данной области — распознавание фаз, состояний, в которых находится материал (вещество). Чтобы определить это, надо провести гигантское количество наблюдений, замеров, трудоемких и длительных численных экспериментов.
«Самое сложное — описать и количественно охарактеризовать область перехода из одной фазы в другую. Именно в этих критических областях человеку очень тяжело осмыслить и классифицировать получаемые данные численных и реальных экспериментов. Выход — в подключении к решению задачи искусственного интеллекта, нейросети, которая может быть обучена решению таких задач, — говорит Мазуренко. — Задействуя нейросеть, мы избавляемся от необходимости делать множество визуализаций разных состояний вещества, изучать каждую из них, рассчитывать сложные корреляционные функции, проводить глубокий численный анализ, затрачивая большой объем времени».
Обучение нейросети происходит при минимальном участии человека: он готовит для нее обучающие данные, например, изображения магнитных конфигураций. В УрФУ нейросеть сначала «тренируют» на конфигурациях, которые человек классифицирует легко и однозначно, потом предлагают ей распознать сложные изображения состояний материала, все ближе и ближе к точке фазового перехода.
«Мы подаем „картинки“ магнитных конфигураций на вход в натренированную нейросеть, она их запоминает и на выходе выдает ответ: при такой температуре, таком давлении и внешнем магнитном поле вещество будет находиться в такой фазе, результаты выборочно сверяются с человеческими расчетами. Таким образом, нейросеть может распознавать фазы и быстрее, и точнее человека, а сам процесс обходится дешевле. Как это удается нейросети — отдельный вопрос, требующий дополнительных исследований, что является неотъемлемой частью любого такого проекта, как наш», —заключает Мазуренко.
Нет комментариев