Международная команда ученых открыла новый метод анализа больших данных, собранных благодаря сканирующей туннельной микроскопии (СТМ). С его помощью удалось получить уникальную информацию о движении электронов на поверхности материалов.

Понимание принципов движения электронов легко в основу многих научно-технических открытий, в частности, персонального компьютера. Однако данные, которые люди научились собирать благодаря новейшим технологиям микроскопии, слишком сложны для интерпретации.

«Некоторые из этих изображений были сделаны на материалах, которые считались важными и хранили свои тайны на протяжении двух десятилетий, — сказала профессор Ким Юн А из Корнелльского университета. — Всем интересно, что за секреты спрятаны в этих изображениях. Мы бы хотели их раскрыть».

На субатомном уровне образец состоит из триллионов триллионов электронов, взаимодействующих друг с другом и со средой. Поведение электронов определяется отчасти двумя соперничающими тенденциями: двигаться по орбите под действием кинетической энергии; и отойти друг от друга под действием энергии отталкивания, пишет Phys.org.

Профессор Ким и ее коллеги решили определить, какая из двух тенденций важнее в высокотемпературном сверхпроводимом материале. Для этого они прибегли к СТМ, но проблема в том, что собранные данные — не настоящие изображения, а скорее узоры, крайне сложные для анализа. Поэтому эту работу поручили искусственной нейросети. Когда ученые ввели экспериментальные данные в специально обученную модель ИИ, она смогла определить, какая из теорий больше всего соответствует полученной информации. В данном случае, нейросеть подтвердила, что энергия отталкивания оказывает больше влияния, чем кинетическая.

С помощью такого инструмента машинного обучения возможно будет создавать более сложные материалы с заданными свойствами и продолжить исследования в области экспериментальной квантовой физики.