新的研究利用机器学习来寻找几何原子片段的属性，这是一项开创性的工作，可以推动数学新成果的发展。诺丁汉大学和伦敦帝国理工学院的数学家首次利用机器学习来扩展和加速识别“原子形状”的工作，这些“原子形状”构成了更高维度的几何基本部分。他们的研究结果发表在《自然通讯》杂志上。

该研究小组几年前就开始了创建形状元素周期表的工作。原子碎片被称为 Fano 品种。该团队将一系列称为量子周期的数字与每个形状相关联，从而给出描述该形状的“条形码”或“指纹”。他们最近的突破使用了一种新的机器学习方法来快速筛选这些条形码，识别形状及其属性，例如每个形状的尺寸。

“对于数学家来说，关键的一步是找出给定问题中的模式。这可能非常困难，一些数学理论可能需要数年时间才能发现，”亚历山大·卡斯普兹克(Alexander Kasprzyk)说。

汤姆·科茨教授表示：“这就是人工智能真正能够彻底改变数学的地方，因为我们已经证明，机器学习是发现代数和几何等复杂领域模式的强大工具。”

Sara Veneziale，合著者，博士。团队中的一名学生继续说道：“我们对机器学习可以用于纯数学这一事实感到非常兴奋。这将加速整个领域的新见解。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：