“机器学习揭示了电子在原子水平上的相互作用程度”

在过去的一百年里，黄金和硅等材料成为了推动文明迅速发展的力量。 是电子产品。 在所有这些以前传下来的材料中，电子的行为很简单。 那些被相互忽视得很严重。

但是，为量子技术设计的未来电子学需要开发新的量子材料。 量子材料中，例如高温超导体，电子在如此强烈的相互作用下出现得如此奇怪，至今无法解释。

但是，目前科学家们在技术和理解上取得了巨大的突破。 基于他们设计和训练的一组80体人工神经互联网( ann )识别出不同形式的电子物质，发现了一种叫做“机器学习为残留向列状态) vns”的新状态。

首席作者，牛津大学的jcsé； amusdavis教授说:“'； 集中在原子级的电子可视化上。 二十年前，我们开发了可以直接看到量子材料中所有电子的位置和功能的显微镜。

在与eun-ah kim教授(康奈尔大学)和e. kathami教授)圣何塞州立大学)的新合作中，将约20年来收集的电子图像文件(数千个电子结构图像)输入到了这些人工神经网络中。 令人惊讶的是，那确实有效！ 理论家已经预测了其余的向列状态，但没有实验证据。 很高兴看到新的机器学习技术如何隐藏在眼前。

这是常规科学技术的里程碑，因为它展示了机器学习技术如何解决和识别来自电子量子物质数据的高度复杂的图像阵列的特定对称性。

通过将机器学习和量子物质可视化融合，科学家们相信量子物质的进步，特别是在高温超导行业寻求室温量子计算机。

本文：《“机器学习揭示了电子在原子水平上的相互作用程度”》