Science

Kecerdasan buatan menghitung diagram fase

Metode kecerdasan buatan generatif mungkin cocok untuk menghitung diagram fase sistem banyak benda dengan cepat.

Para peneliti di Universitas Basel telah mengembangkan metode baru untuk menghitung diagram fase sistem fisik yang bekerja mirip dengan ChatGPT. Kecerdasan buatan ini bahkan dapat mengotomatiskan eksperimen ilmiah di masa depan.

Satu setengah tahun yang lalu, ChatGPT dirilis, dan sejak saat itu, hampir tidak ada apa pun yang tidak dapat diciptakan dengan bentuk kecerdasan buatan baru ini: teks, gambar, video, dan bahkan musik. ChatGPT didasarkan pada apa yang disebut model generatif, yang menggunakan algoritma kompleks, dapat menciptakan sesuatu yang benar-benar baru dari informasi yang diketahui.

Sebuah tim peneliti yang dipimpin oleh Profesor Christoph Bruder di Universitas Basel, bersama dengan rekan-rekannya di Institut Teknologi Massachusetts (MIT) di Boston, kini telah menggunakan metode serupa untuk menghitung diagram fase sistem fisik. Mereka baru-baru ini mempublikasikan hasilnya di jurnal ilmiah Physical Review Letters.

Diagram fase sulit untuk dihitung

Diagram fase merupakan hal mendasar dalam fisika. Mereka menggambarkan keadaan di mana suatu material dapat ada—air, misalnya, dapat ditemukan sebagai es, cairan, atau uap. Di antara fase-fase ini, transisi fase terjadi tergantung pada besaran tertentu seperti suhu atau tekanan. Transisi ini datang dalam berbagai jenis-misalnya, terjadi antara konduktor listrik biasa dan superkonduktor atau dari keadaan non-magnetik ke feromagnetik.

“Namun, menghitung diagram fase itu sulit dan memerlukan banyak pengetahuan dan intuisi sebelumnya dari para peneliti,” kata Julian Arnold, kandidat PhD di kelompok Bruder. Masalahnya adalah benda padat atau cair terdiri dari sangat banyak partikel – atom atau molekul. Partikel-partikel ini berinteraksi, artinya mereka saling tarik menarik atau menolak; mereka membentuk apa yang dikenal sebagai sistem banyak benda. Ada banyak kemungkinan bagaimana keadaan material secara keseluruhan – yang ditandai dengan posisi partikel, tetapi juga sifat tambahan, seperti orientasi putaran, yang menunjukkan arah magnetisasi – dapat terlihat.

“Di masa lalu, diagram fase sering dihitung dengan mengklasifikasikan keadaan ini dengan bantuan jaringan saraf,” jelas Bruder. Cara kerjanya kira-kira seperti pengenalan gambar, di mana suatu algoritma mencoba membedakan antara gambar kucing dan anjing. Dalam hal ini, algoritme menghitung kemungkinan bahwa gambar tertentu menampilkan kucing atau anjing dan mengambil keputusan yang sesuai.

Lebih cepat berkat model generatif

Sebagai alternatif dari pendekatan diskriminatif tersebut, para peneliti di Basel dan Boston kini telah mengembangkan metode generatif. Perbedaannya adalah dalam metode generatif, yang mirip dengan ChatGPT, komputer menciptakan sejumlah besar kemungkinan status sistem (dalam contoh di atas, banyak kucing dan anjing) dan memutuskan fase mana yang termasuk dalam status tertentu.

“Kami telah menunjukkan bahwa metode generatif dapat menghitung diagram fase secara mandiri dan dalam waktu yang jauh lebih singkat dibandingkan metode diskriminatif”, kata Arnold. Saat ini, ia sedang menguji metode tersebut pada model lubang hitam di alam semesta untuk mendeteksi transisi fasenya. Di masa depan, teknik baru ini bahkan mungkin mengotomatiskan laboratorium fisika: algoritme tersebut akan secara otomatis mengatur parameter kontrol peralatan eksperimen dan segera menghitung diagram fase dari data terukur.

Menariknya, metode penghitungan diagram fase yang terinspirasi oleh ChatGPT juga dapat diterapkan pada model seperti ChatGPT itu sendiri. “ChatGPT juga memiliki sesuatu seperti suhu,” jelas Arnold. Jika suhu ini sangat rendah, algoritmanya tidak terlalu kreatif dan hanya memberikan hasil yang diharapkan. Sebaliknya, jika terlalu tinggi, maka teks yang dihasilkan menjadi sewenang-wenang dan kacau. Dengan menggunakan teknik para peneliti Basel, seseorang dapat menentukan transisi antara dua fase ini dan, berdasarkan informasi tersebut, menyesuaikan model bahasa secara optimal.

Publikasi asli

Julian Arnold, Frank Schäfer, Alan Edelman, Christoph Bruder
Memetakan diagram fase dengan pengklasifikasi generatif
Surat Tinjauan Fisik (2024), doi: 10.1103/PhysRevLett.132.207301

Source

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button