Novo istraživanje je koristilo mašinsko učenje da pronađe svojstva atomskih delova geometrije, u pionirskom radu koji bi mogao da podstakne razvoj novih rezultata u matematici.
Matematičari sa Univerziteta u Notingemu i Imperijal koledža u Londonu su po prvi put koristili mašinsko učenje da prošire i ubrzaju rad na identifikaciji „atomskih oblika“ koji čine osnovne delove geometrije u višim dimenzijama. Njihovi nalazi su objavljeni u časopisu Nature Communications.
Istraživačka grupa je započela svoj rad na kreiranju periodnog sistema za oblike pre nekoliko godina. Atomski delovi se nazivaju Fano varijeteti. Tim povezuje niz brojeva, koji se nazivaju kvantni periodi, za svaki oblik, dajući „bar kod“ ili „otisak prsta“ koji opisuje oblik. Njihov nedavni proboj koristi novu metodologiju mašinskog učenja kako bi vrlo brzo pregledao ove bar kodove, identifikujući oblike i njihova svojstva kao što je dimenzija svakog oblika.
„Za matematičare, ključni korak je utvrđivanje šta je obrazac u datom problemu. Ovo može biti veoma teško, a neke matematičke teorije mogu potrajati godinama da se otkriju“, kaže Aleksandar Kaspržik.
„Ovde bi veštačka inteligencija zaista mogla da revolucioniše matematiku jer smo pokazali da je mašinsko učenje moćan alat za uočavanje obrazaca u složenim domenima kao što su algebra i geometrija“, kaže profesor Tom Kouts.
Sara Veneziale, koautor i dr. student u timu, nastavlja: „Zaista smo uzbuđeni zbog činjenice da se mašinsko učenje može koristiti u čistoj matematici. Ovo će ubrzati nove uvide širom polja.“
