Una AI ha trovato una soluzione ad un noto problema di fisica statistica

In fisica statistica esiste il "problema del campionamento", e sostiene che è praticamente impossibile calcolare alcune proprietà dei materiali e delle molecole in quanto, per farlo, servirebbe troppa potenza di calcolo e i nostri computer non ne dispongono. Un team di scienziati ha però sviluppato una AI che ha una soluzione al problema.

Il team, della Freie Universität Berlin, ha sviluppato un metodo di deep learning che velocizza questi calcoli, altrimenti impossibili.

"L'IA sta cambiando tutte le aree della nostra vita, compreso il nostro modo di fare scienza", spiega il Dr. Frank Noé, principale autore dello studio.

La fisica statistica tratta il calcolo delle proprietà dei materiali o delle molecole basandosi sulle interazioni dei loro componenti costituenti. Con metodi statistici, attraverso un computer, si può arrivare ad incrementare l'efficienza di uno specifico farmaco, per esempio.

Simon Olsson, coautore dello studio ci spiega il problema del campionamento: "In linea di principio dovremmo considerare ogni singola struttura, cioè ogni modo di posizionare tutti gli atomi nello spazio, calcolare la relativa probabilità, e poi prendere la media. Ma questo è praticamente impossibile in quanto il numero di strutture possibili è astronomicamente grande, anche se consideriamo piccole molecole. Pertanto, l'approccio abituale è quello di simulare il moto dinamico e le fluttuazioni delle molecole, e quindi studiare solo quelle strutture che sono molto probabili. Sfortunatamente, tali simulazioni sono spesso così costose da non poter essere effettuate nemmeno con dei supercomputer: questo è il problema del campionamento".

Noé, invece, ci spiega come entra in gioco la loro AI: "Invece di simulare il movimento delle molecole in piccoli passi, troviamo direttamente le strutture ad alta probabilità e ci lasciamo alle spalle il maggior numero di strutture a bassa probabilità. Dopo di che, i calcoli sono molto economici", spiega, "la IA è la chiave per questo approccio al lavoro".

Jonas Köhler, altro coautore dello studio chiarisce il funzionamento della AI con un esempio: "Immaginate di mettere una goccia d'inchiostro in una vasca da bagno piena d'acqua. La goccia d'inchiostro si mescola con l'acqua. Ora vogliamo ritrovare le molecole di inchiostro. Per farlo potremmo selezionare casualmente le molecole dalla vasca da bagno, che è il metodo più inefficiente, in quanto dovremmo svuotare completamente la vasca per trovare tutto l'inchiostro. Invece, usando l'IA, studiamo il flusso d'acqua che distribuisce l'inchiostro nel tempo con una rete neurale invertibile."

Continua, "Con una tale rete, possiamo invertire dato flusso, sostanzialmente invertire il tempo, e poi trovare tutte le molecole di inchiostro dalla goccia con cui abbiamo iniziato, senza dover cercare nel resto della vasca da bagno".

Certo il metodo sviluppato dal Team è ancora lontano dalle applicazioni industriali dirette, ma se risultasse promettente, potrebbe migliorare sensibilmente la vita di ognuno di noi, in un prossimo futuro.