Kommt der künstliche Physiker?

• Published in: Physik in unserer Zeit 2019-09, Vol.50 (5), p.220-227
• Main Authors: Fösel, Thomas, Marquardt, Florian, Weiss, Talitha
• Format: Article
• Language: English
• Subjects: Bilderkennung; Deep Learning; Klassifikation von Galaxien; Künstliche Intelligenz; künstliches neuronales Netz; Magnetismus; Quantencomputer; Quantenfehlerkorrektur; Reinforcement Learning; Supervised Learning; Verstärkungslernen; Überwachtes Lernen
• ISSN: 0031-9252; 1521-3943
• DOI: 10.1002/piuz.201901549

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. 2016 besiegte das Computerprogramm AlphaGo erstmals 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. Die Physik bietet dafür viele potenzielle Anwendungen.