Meta-Designing Quantum Experiments with Language Models

要約

人工知能 (AI) は、人間の能力を超えた解決策を見つけることで、科学的発見を大きく前進させる可能性を秘めています。
ただし、これらの超人的な解決策は直感的ではないことが多く、可能であれば根本的な原理を明らかにするには多大な努力を必要とします。
ここでは、合成データでトレーニングされたコード生成言語モデルが、特定の問題に対する解決策を見つけるだけでなく、クラス全体の問題を一発で解決し、同時に基礎となる設計原則への洞察を提供するメタソリューションをどのように作成できるかを示します。
具体的には、新しい量子物理学実験の設計のために、私たちの系列間変換アーキテクチャは、量子システムのクラス全体の実験青写真を記述する解釈可能な Python コードを生成します。
私たちは、無限に大きなクラスの量子状態に対する、これまで知られていなかった一般的な設計規則を発見しました。
読み取り可能なコンピューター コードで一般化されたパターンを自動的に生成する機能は、物理学の中心的な目的の 1 つである、新しい科学的理解を発見するのに役立つ機械への重要なステップです。

要約(オリジナル)

Artificial Intelligence (AI) has the potential to significantly advance scientific discovery by finding solutions beyond human capabilities. However, these super-human solutions are often unintuitive and require considerable effort to uncover underlying principles, if possible at all. Here, we show how a code-generating language model trained on synthetic data can not only find solutions to specific problems but can create meta-solutions, which solve an entire class of problems in one shot and simultaneously offer insight into the underlying design principles. Specifically, for the design of new quantum physics experiments, our sequence-to-sequence transformer architecture generates interpretable Python code that describes experimental blueprints for a whole class of quantum systems. We discover general and previously unknown design rules for infinitely large classes of quantum states. The ability to automatically generate generalized patterns in readable computer code is a crucial step toward machines that help discover new scientific understanding — one of the central aims of physics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google