Kommt der künstliche Physiker?

Abstract

Zusammenfassung 2016 besiegte das Computerprogramm AlphaGo einen der weltbesten Go‐Spieler. Damit rückte eine technische Revolution ins Bewusstsein der breiten Öffentlichkeit: Selbstlernende künstliche neuronale Netze sind zunehmend in der Lage, Menschen bei bestimmten Aufgaben zu schlagen. Zahlreiche Anwendungen, von der Bilderkennung bis zur automatischen Übersetzung, revolutionieren momentan die Technik – und auch Physik und Astronomie bieten viele potenzielle Einsatzmöglichkeiten. In der Astronomie können neuronale Netze das automatische Klassifizieren von Galaxien übernehmen. In der Statistischen Physik sind Magnetisierungsmuster von ferro‐ oder paramagnetischen Zuständen ein Beispiel. Ein anderes Beispiel ist die Suche nach Quantenfehler‐Korrekturstrategien in zukünftigen Quantencomputern. Unsere Forschung konnte zeigen, dass künstliche neuronale Netze mittels Reinforcement Learning hier bereits eigenständig neue Korrekturstrategien entwickeln können.

Metalle Ex‐Machina

“…Deep Learning umfasst Methoden, bei denen die KI aus typischen Beispiel szenarien lernt und sich damit selber verbessert. Reinforcement Lear ning beschreibt Verfahren, bei denen -ähnlich wie der Erziehung von Haustieren -bestrafungs und belohnungs gesteuerte Algorithmen in einer modellierten Trainings umgebung verwendet werden, in der die KI so Erfahrungen sammelt [8].…”