PredictLand participa en una investigación con técnicas de Machine Learning en colaboración con un institutito de investigación del Consejo Superior de Investigaciones Científicas.
Cliente
El INMA (Instituto de Nanociencia y Materiales de Aragón) es un instituto de investigación mixto entre el CSIC (Consejo Superior de Investigaciones Científicas) y Unizar (Universidad de Zaragoza). Se trata de referente a nivel mundial en áreas que van desde la ciencia de materiales hasta la computación cuántica.
Reto
El reto que nos planteamos en la colaboración fue encontrar las simetrías discretas de un sistema físico con técnicas basadas en machine learning. Encontrar tales simetrías es de importancia capital por dos razones:
- Las simetrías discretas de un sistema físico dan mucha información del sistema; por ejemplo, influyen en cómo interacciona el sistema con la luz.
- Hasta la fecha, encontrar las simetrías de un sistema físico desconocido era una tarea altamente no trivial.
Solución
Como resultado, diseñamos una red neuronal con una arquitectura novedosa tal que, a partir de datos observacionales del sistema físico en cuestión, es capaz de encontrar automáticamente cuántas simetrías tiene el sistema y qué simetrías son estas: si de rotación, de traslación, etc.
Los resultados están publicados en https://arxiv.org/abs/2307.13457.
