Kecerdasan Buatan Telah Mencapai Ambang Batas

Kecerdasan Buatan Telah Mencapai Ambang Batas - Selama bertahun-tahun, fisikawan telah membuat kemajuan dan terobosan besar di bidang ini dengan menggunakan pikiran mereka sebagai alat utama mereka. Tetapi bagaimana jika kecerdasan buatan dapat membantu penemuan ini?

Bulan lalu, para peneliti di Duke University menunjukkan bahwa memasukkan fisika yang diketahui ke dalam algoritma pembelajaran mesin dapat menghasilkan tingkat penemuan baru ke dalam sifat material, menurut siaran pers oleh institusi tersebut. Mereka melakukan proyek pertama di mana mereka membangun algoritma pembelajaran mesin untuk menyimpulkan sifat-sifat kelas bahan rekayasa yang dikenal sebagai metamaterial dan untuk menentukan bagaimana mereka berinteraksi dengan medan elektromagnetik.

Memprediksi sifat metamaterial

Hasilnya terbukti luar biasa. Algoritme baru secara akurat memprediksi properti metamaterial lebih efisien daripada metode sebelumnya sambil juga memberikan wawasan baru.

“Dengan memasukkan fisika yang diketahui langsung ke dalam pembelajaran mesin, algoritme dapat menemukan solusi dengan lebih sedikit data pelatihan dan dalam waktu yang lebih singkat,” kata Willie Padilla, profesor teknik listrik dan komputer di Duke. “Sementara penelitian ini sebagian besar merupakan demonstrasi yang menunjukkan bahwa pendekatan tersebut dapat menciptakan kembali solusi yang diketahui, itu juga mengungkapkan beberapa wawasan tentang cara kerja bagian dalam metamaterial non-logam yang tidak diketahui siapa pun sebelumnya.” Dalam pekerjaan baru mereka, para peneliti fokus untuk membuat penemuan yang akurat dan masuk akal.

“Jaringan saraf mencoba menemukan pola dalam data, tetapi terkadang pola yang mereka temukan tidak mematuhi hukum fisika, membuat model yang dibuatnya tidak dapat diandalkan,” kata Jordan Malof, asisten profesor riset teknik listrik dan komputer di Duke. “Dengan memaksa jaringan saraf untuk mematuhi hukum fisika, kami mencegahnya menemukan hubungan yang mungkin sesuai dengan data tetapi sebenarnya tidak benar.”

Mereka melakukannya dengan menerapkan fisika pada jaringan saraf yang disebut model Lorentz. Ini adalah seperangkat persamaan yang menggambarkan bagaimana sifat intrinsik suatu material beresonansi dengan medan elektromagnetik. Namun, ini bukan prestasi yang mudah untuk dicapai.

“Bila Anda membuat jaringan saraf lebih dapat diinterpretasikan, yang dalam beberapa hal seperti yang telah kami lakukan di sini, akan lebih sulit untuk menyesuaikannya,” kata Omar Khatib, peneliti pascadoktoral yang bekerja di laboratorium Padilla. “Kami pasti mengalami kesulitan dalam mengoptimalkan pelatihan untuk mempelajari polanya.”

Model yang jauh lebih efisien

Para peneliti terkejut menemukan bahwa model ini bekerja  lebih efisien daripada jaringan saraf sebelumnya yang dibuat kelompok untuk tugas yang sama dengan secara dramatis mengurangi jumlah parameter yang diperlukan model untuk menentukan sifat metamaterial. Model baru bahkan bisa membuat penemuan sendiri.

Sekarang, para peneliti bersiap untuk menggunakan pendekatan mereka di wilayah yang belum dipetakan. 

“Sekarang kami telah menunjukkan bahwa ini dapat dilakukan, kami ingin menerapkan pendekatan ini pada sistem yang fisikanya tidak diketahui,” kata Padilla.

“Banyak orang menggunakan jaringan saraf untuk memprediksi sifat material , tetapi mendapatkan data pelatihan yang cukup dari simulasi adalah kesulitan besar,” tambah Malof. “Pekerjaan ini juga menunjukkan jalan menuju pembuatan model yang tidak membutuhkan banyak data, yang berguna secara menyeluruh.”

Studi ini diterbitkan dalam jurnal Advanced Optical Materials.