Il Premio Nobel per la fisica 2024

Il premio Nobel per la fisica 2024 è stato assegnato a John Hopfield e Geoffrey Hinton “per le scoperte e invenzioni fondamentali che consentono l’apprendimento automatico con reti neurali artificiali. Il machine learning è da tempo importante per la ricerca, inclusa la classificazione e l’analisi di grandi quantità di dati. John Hopfield e Geoffrey Hinton hanno utilizzato strumenti della fisica per costruire metodi che hanno contribuito a gettare le basi per il potente machine learning odierno. Il machine learning basato su reti neurali artificiali sta attualmente rivoluzionando la scienza, l’ingegneria e la vita quotidiana”.

Il machine learning (ML), tradotto in italiano come “apprendimento automatico” è un termine inventato nel 1959 da Arthur Lee Samuel, allora ricercatore dell’IBM, che ne ha anche specificato il significato: “un campo di studio che fornisce ai computer la capacità di apprendere senza essere stati programmati esplicitamente.”

Se Alan Turing si chiedeva se le macchine potessero pensare, il machine learning tenta di rispondere alla domanda successiva: le macchine possono fare ciò che noi possiamo fare? La risposta è sì, forse anche meglio e sicuramente ad una velocità maggiore di quanto il nostro cervello possa elaborare i dati.

Le macchine, dunque, possono imparare dall’esperienza e dai propri errori realizzando programmi di intelligenza artificiale. Apprendimento automatico, appunto. Già oggi, nella nostra vita quotidiana utilizziamo continuamente il machine learning, ad esempio, nella guida automatica dell’auto, utilizzando i motori di ricerca, prevenendo frodi informatiche, nei negozi automatizzati. Queste sono solo alcune delle attività guidate dall’apprendimento automatico, ma ancora prima che questo giungesse a interagire con le nostre azioni, il ML era utilizzato nella fisica delle alte energie aiutandoci a comprendere alcuni meccanismi che hanno formato il nostro universo.

Gli algoritmi del ML sono usati, sin dagli anni Novanta, al CERN e al Fermilab nei loro collisori. Nell’LHC o nel Tevatron (l’acceleratore presente al Fermilab di Chicago), le particelle, collidendo quasi alla velocità della luce (quel “quasi” significa 99,9999991% della velocità della luce), producono una quantità enorme di sub-particelle che ci permettono di studiare l’universo nei suoi primi istanti di vita (attualmente si è srotolato “all’indietro” il tempo sino a 10-12 secondi dal Big Bang). Ogni secondo, circa un miliardo di particelle collidono all’interno dell’LHC producendo una quantità enorme di dati, circa 25 GB al secondo o più di 2.000 Terabyte al giorno.

Naturalmente non è possibile analizzare una mole così imponente di dati e neppure ci interesserebbe, visto che solo alcune delle particelle prodotte sarebbero di nostro interesse. Ma come fare a districarsi tra il ginepraio prodotto? Come fare a individuale quale particella è degna di essere analizzata e studiata e quale, invece, può essere ignorata?

A complicare ulteriormente le cose, molte delle particelle che raggiungono i sensori presente nei detector dell’LHC spesso sono risultati di processi di decadimenti secondari. Alcune delle particelle più interessanti del Modello standard (MS) o che potrebbero non appartenere a questa classificazione (ad esempio particelle di materia oscura) decadono ben prima che queste raggiungano i sensori e possano essere studiate. La loro vita, meno di un trilionesimo di trilionesimo di secondo, ci impedisce di studiarle direttamente. È in questi processi che interviene il machine learning. L’apprendimento automatico ci permette di capire il meccanismo con cui possono essersi generate le particelle catturate dai sensori dei rilevatori dell’LHC. Un sistema di identificazione “controcorrente” sino a risalire alla sorgente che può portare a particelle già a noi note, o, come si spera, a particelle sconosciute.

La ML ha aiutato gli scienziati a confermare la teoria del bosone di Higgs e, grazie alla ML, si sono perfezionate le misurazioni della violazione CP cercando di capire come mai nell’universo attuale la materia prevalga sull’antimateria, si è osservato il decadimento del mesone Bs in due muoni o la produzione di quark top singoli.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Dimensione massima del file: 50MB Formati consentiti: jpg, gif, png Drop file here