“机器学习有助于处理电子在原子水平上的相互作用强度的难”

在过去的一百年里，金、硅等材料已经成为推动文明快速发展的力量——电子产品。 在所有这些以前流传下来的材料中，电子的行为很简单:它们很大程度上被忽视了。

但是，为了量子技术设计未来的电子学，需要开发新的量子材料。 量子材料中，例如高温超导体，电子在如此强烈的相互作用下出现得如此奇怪，至今无法解释。

但是现在，科学家们在技术和理解上取得了巨大的突破。 基于他们设计和训练的80个个体的一组工神经互联网( ann )识别出不同形式的电子物质，机器学习发现了一种称为残余向列状态( vns )的新状态。

牛津大学教授jcs amusdavis，首席作者说:“重点是原子级的电子可视化。 20年前，我们开发了直接看到量子材料中所有电子的位置和功能的显微镜。

在eun-ah kim教授(康奈尔大学)和e. kathami教授(圣何塞州立大学)的新合作中，将约20年来收集的电子图像文件-数千个电子结构图像-输入到这些人工神经互联网中。 令人惊讶的是它确实有效！ 理论家已经预测了剩下的向列状态，但没有实验证据。 看到新的机器学习技术是如何隐藏在视线中的很开心。

这是常规科学技术的里程碑。 因为机器学习技术离电子量子物质数据的高度很高，展示了如何解决和识别噪声图像阵列的特定对称性。

通过融合机器学习和量子物质的可视化，科学家们相信量子物质的进步，特别是在高温超导行业寻求室温量子计算机。