Нове дослідження використало машинне навчання для визначення властивостей атомарних частин геометрії в роботі, яка могла б стимулювати розвиток нових результатів у математиці. Математики з Університету Ноттінгема та Імперського коледжу Лондона вперше використали машинне навчання, щоб розширити та прискорити роботу з ідентифікації «атомних форм», які утворюють основні елементи геометрії у вищих вимірах. Їхні висновки були опубліковані в Nature Communications.
Дослідницька група почала роботу зі створення періодичної таблиці форм кілька років тому. Атомні частини називаються різновидами Фано. Команда пов’язує послідовність чисел, які називають квантовими періодами, з кожною формою, надаючи «штрих-код» або «відбиток», який описує форму. Їх недавній прорив використовує нову методологію машинного навчання, щоб дуже швидко просіювати ці штрих-коди, ідентифікуючи форми та їхні властивості, наприклад розміри кожної форми.
«Для математиків ключовим кроком є визначення закономірностей у тій чи іншій задачі. Це може бути дуже складно, і для відкриття деяких математичних теорій можуть знадобитися роки», — говорить Олександр Каспржик.
«Саме тут штучний інтелект може справді революціонізувати математику, оскільки ми показали, що машинне навчання є потужним інструментом для виявлення закономірностей у таких складних сферах, як алгебра та геометрія», — каже професор Том Коутс.
Сара Венеціале, співавтор і доктор філософії. студент у команді, продовжує: «Ми дуже раді тому факту, що машинне навчання можна використовувати в чистій математиці. Це прискорить нове розуміння в цій галузі». Джерело