Neuronale Netzwerke sind lernende Algorithmen, die sich durch Training mit vorhandenen Daten der Lösung einer Aufgabe annähern. Meist ist aber unklar, wie genau sie dies bewerkstelligen. Zwei junge Basler Physiker haben nun Formeln hergeleitet, mit denen man die optimale Lösung ganz ohne Training eines Netzwerks ausrechnen kann. Das gibt nicht nur Einblick in die Funktionsweise dieser Algorithmen, sondern könnte künftig helfen, unbekannte Phasenübergänge in physikalischen Systemen aufzuspüren. Neuronale Netzwerke sind der Arbeitsweise des Gehirns nachempfunden. Solche Computeralgorithmen, die durch wiederholtes Training lernen, Aufgaben zu lösen, können zum Beispiel Gegenstände voneinander unterscheiden oder gesprochene Sprache verarbeiten. Seit einigen Jahren arbeiten Physikerinnen und Physiker daran, neuronale Netzwerke auch zum Aufspüren von Phasenübergängen zu verwenden.
TO READ THIS ARTICLE, CREATE YOUR ACCOUNT
And extend your reading, free of charge and with no commitment.
