把一盘水放在冰箱里。一会儿，它是液体。然后，分支堆积成小六角形，你有冰。将超级液氮冷却到钇钡铜氧化物晶片上，突然电流流过比大学生喉咙中的啤酒阻力小的化合物。你有一个超导体。
这些物理性质的急剧变化被称为相变，物理学家们喜欢它们。就好像他们可以发现Jekyll博士的确切时刻变成了海德先生。如果他们能够准确地知道直立的医生的身体如何代谢秘密公式，也许物理学家可以理解如何把他变邪恶。或者做更多的海德斯先生。
一个人类物理学家可能永远不会有神经网络看到相变，但现在计算机可以。在今天发表在自然物理学的两篇论文中，两个独立的物理学家组 - 一个在加拿大的周界研究所，另一个在瑞士联邦理工学院在苏黎世 - 表明他们可以训练神经网络，看看只有几百个原子并找出他们在什么阶段的物质。
它的工作方式很像Facebook的自动标记。物理学家胡安·卡拉斯奎拉（Juan Carrasquilla）说，“我们对图像识别所使用的技术进行了重新调整，他是加拿大论文的合着者，现在为量子计算公司D-Wave工作。
当然，面部识别，水转向冰和Jekylls转向海德不是真正的科学家的包。他们想使用赢咖4来理解具有潜在商业应用的条纹现象，例如为什么一些材料变成仅接近绝对零度的超导体，但其他材料在一个温暖的-150摄氏度下转变。物理学家Sebastian Huber说，“高温超导体可能对技术有用，我们实际上很了解它们。
他们还想更好地理解物质的称为拓扑状态的异相，其中量子粒子甚至比平常更加活跃。 （物理学家发现这些新阶段在去年10月夺去了诺贝尔奖。）像光子或原子这样的量子粒子相对容易改变其物理状态，但是拓扑状态是坚固的。这意味着如果您是像微软这样的公司，它们可能对构建量子计算机的数据存储有用。
研究不仅仅是确定阶段，而是关于理解过渡。加拿大小组训练他们的计算机以发现相变发生的温度到0.3％的准确度。瑞士集团展示了一个更棘手的举动，因为他们有他们的神经网络来理解东西，而没有提前训练。通常在机器学习中，你给神经网络一个目标：找出狗的样子。 “你训练网络有100,000张图片，”Huber说。 “每当一只狗在一个，你告诉它。只要没有，你就告诉它。
但物理学家没有告诉他们的网络有关相变：他们只是显示了粒子的网络集合。相位不同，计算机可以识别每一个。这是一个水平的技能获取，胡贝尔认为最终将允许神经网络发现全新的物质阶段。
这些新的成功不仅仅是学术。在寻找更强大，更便宜或更好的材料，研究人员已经使用机器学习了一段时间。 2004年，包括NASA和GE在内的合作开发出一种坚固耐用的合金，用于使用神经网络的飞机发动机，通过在实验室中进行故障排除之前模拟材料。机器学习比在超级计算机上模拟材料的属性更快。
然而，物理学家研究的相变模拟与现实世界相比是简单的。在这些投机材料结束于你的新小工具之前，物理学家需要弄清楚如何使神经网络一次解析1023个粒子 - 不仅仅是几百个，而是100个六十亿。但Carrasquilla已经想要显示真实的实验数据到他的神经网络，看看是否可以找到相变。未来的计算机可能是聪明的，以标记你的奶奶的照片中的脸，并发现下一个奇迹材料。
