Re: [閒聊] 未來科學發展似乎會變成電腦主導?

[pipidog (如果狗狗飛上天)]

※ 引述《peter308 (pete)》之銘言：
:  alphago 這幾天的新聞震撼了世界
:  純數學作為研究物理的核心手段似乎越來越薄弱
:  目前把數學的推導包裝到數值方法中
:  再用程式把這些功能叫出來作為工具使用來輔助物理研究
:  似乎是未來可能的方向???
:  各位覺得如何?
:  這是我八年前發在板上的文章
:   #19LR0z_B
:  現在重新讀起來更有感觸

不把問題討論得廣泛了. 講明確一點的就好了. 幾年前我曾經差點進到一

個叫做Machine Learning (ML) in DFT 的領域.後來跑去做其他的問題了,

也就沒在鑽研下去了.

這領域的概念基本上就是,首先我們有DFT,所以我們可以用DFT來計算材料

的性質.雖然材料的種類很多,性質也各有差異,但只要我們不停地累積這些

材料性質的database,那透過ML的演算法,就可以讓電腦去慢慢學習當不同

的原子組合成材料的時候,可能會有那些性質出現.當然我們不能要求精確

的結果,但僅僅是作為一個篩選平台,從海量的可能性中選出幾十樣,或幾百

樣的候選標的就很有價值了.

這是一個典型的ML在物理上的應用,與alpha go的差別只在於,alpha go是

用在預測對手的棋路上,這是用在預測材料的性質上.只是感覺這領域還太

新,整體來說能做的問題還不多,paper也不算多,引用率也還沒上來.而且真

正懂CS的人進入這領域的也很少,所以進展的不算快.但隨著ML的發展越來

越強大,我想這塊領域遲早也會有更多人投入.

分享幾篇文章(2013年之後我就沒再follow這領域了,所以文章偏舊)

PRL 108 253002, PRL 108 058301

這兩篇算是比較理論的文章,提出了一些用ML預測材料性質的方法.

PRB 84 014103, Nat. Mat. 11 614

這兩篇文章是ML具體的應用,他們真的使用ML去篩選大量的材料. 尤其是

Nat. Mat. 那篇,它們利用ML去預測出了一系列可能的拓樸絕緣體.應該

算是這領域最亮眼的應用之一.

其他還有一些零零碎碎的文章,我就不列了. 總之,我想說的是,Machine

learning的可能性其實很多. 但是直接應用在物理上的還是很少,不過

有些嘗試已經開始了.雖然我自己是有點懷疑這領域要紅恐怕還遙遙無

期,但如果是有點野心,想玩點與眾不同的物理的人,倒是可以試試看.

--
★人生中最溫暖的夏天是在紐約的冬天★

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 174.77.37.75
※ 文章網址: https://www.ptt.cc/bbs/Physics/M.1457686448.A.D5E.html
※ 編輯: pipidog (174.77.37.75), 03/11/2016 16:55:05
推 peter308:
→ Eriri: ML的技術也有用在解DMFT上 但充其量只是一直數值方法
→ pipidog: 樓上是做DMFT的?在美國?是的話,我們是同門的機會極高.
→ Eriri: 不是 我不是做這種專門數值的工作 但要了解這技術本身不難
→ Eriri:  我也知道這技術在強關聯系統相當強大
推 ryan414133: Dynamical Mean Field Theory?
→ Eriri: yes
→ webster1112: 這不就是吳念真說的電腦嗎ㄟ更土豆? 問題誰吃?