La inteligencia artificial calcula diagramas de fases
Esta IA podría incluso automatizar experimentos científicos en el futuro
Investigadores de la Universidad de Basilea han desarrollado un nuevo método para calcular diagramas de fases de sistemas físicos que funciona de forma similar al ChatGPT. Esta inteligencia artificial podría incluso automatizar experimentos científicos en el futuro.
Hace año y medio se lanzó ChatGPT y, desde entonces, apenas ha habido nada que no pueda crearse con esta nueva forma de inteligencia artificial: textos, imágenes, vídeos e incluso música. ChatGPT se basa en los llamados modelos generativos, que, mediante un complejo algoritmo, pueden crear algo totalmente nuevo a partir de información conocida.
Un equipo de investigación dirigido por el profesor Christoph Bruder, de la Universidad de Basilea, junto con colegas del Instituto Tecnológico de Massachusetts (MIT), en Boston, han utilizado ahora un método similar para calcular diagramas de fase de sistemas físicos. Recientemente han publicado sus resultados en la revista científica Physical Review Letters.
Los diagramas de fase son difíciles de calcular
Los diagramas de fase son fundamentales en física. Describen los estados en los que puede existir un material: el agua, por ejemplo, puede encontrarse como hielo, líquido o vapor. Entre estas fases se producen transiciones que dependen de magnitudes específicas como la temperatura o la presión. Estas transiciones son de distintos tipos: por ejemplo, entre un conductor eléctrico normal y un superconductor, o entre un estado no magnético y uno ferromagnético.
"Sin embargo, calcular diagramas de fase es difícil y requiere muchos conocimientos previos e intuición por parte de los investigadores", explica Julian Arnold, estudiante de doctorado del grupo de Bruder. El problema es que un sólido o un líquido está formado por muchas partículas, átomos o moléculas. Estas partículas interactúan, es decir, se atraen o repelen entre sí; forman lo que se conoce como un sistema de muchos cuerpos. El estado general del material -caracterizado por la posición de las partículas, pero también por otras propiedades, como la orientación de los espines, que indican la dirección de la magnetización- puede ser muy variado.
"En el pasado, los diagramas de fase se calculaban a menudo clasificando estos estados con la ayuda de redes neuronales", explica Bruder. Esto funciona más o menos como el reconocimiento de imágenes, en el que un algoritmo intenta distinguir entre imágenes de gatos y perros. En este caso, el algoritmo calcula la probabilidad de que una imagen concreta muestre un gato o un perro y decide en consecuencia.
Más rápido gracias a los modelos generativos
Como alternativa a este enfoque discriminativo, los investigadores de Basilea y Boston han desarrollado ahora un método generativo. La diferencia es que en el método generativo, que es similar al ChatGPT, el ordenador crea un gran número de estados posibles del sistema (en el ejemplo anterior, muchos gatos y perros) y decide a qué fase pertenece un estado concreto.
"Hemos demostrado que el método generativo puede calcular un diagrama de fases de forma autónoma y en mucho menos tiempo que el método discriminativo", afirma Arnold. Actualmente, está probando el método en un modelo de agujeros negros del universo para detectar sus transiciones de fase. En el futuro, la nueva técnica podría incluso automatizar los laboratorios de física: el algoritmo establecería automáticamente los parámetros de control de un aparato experimental y calcularía inmediatamente un diagrama de fases a partir de los datos medidos.
Curiosamente, el método de cálculo de diagramas de fase inspirado en ChatGPT también puede aplicarse a modelos como el propio ChatGPT. "ChatGPT también tiene algo parecido a una temperatura", explica Arnold. Si esta temperatura es muy baja, el algoritmo no es muy creativo y sólo produce resultados esperados. Si, por el contrario, es demasiado alta, el texto generado se vuelve arbitrario y caótico. Con la técnica de los investigadores de Basilea se puede determinar la transición entre estas dos fases y, a partir de esa información, ajustar óptimamente los modelos lingüísticos.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
