В этом сила нового математического инструмента, разработанного и испытанного международной группой ученых во главе с двумя из Университета Висконсин-Милуоки.Этот инструмент, алгоритм машинного обучения, отточенный Аббасом Урмаздом и Расселом Фангом, уменьшает неопределенность времени во время меняющихся событий, повышая точность до 300 раз.У него может быть множество применений, от датирования прошлых событий изменения климата с большей точностью до определения момента образования или разрыва молекулярных связей во время химических реакций, продолжающихся всего несколько квадриллионных долей секунды.«Неопределенность в отношении времени долгое время была отравой для многих областей науки, — сказал Урмазд, выдающийся профессор физики UWM. «У вас часто есть данные, но нет точных отметок времени на них».
К исследователям UWM присоединились ученые из Центра лазерных исследований на свободных электронах в Исследовательском центре DESY в Гамбурге, Германия; Гамбургский университет; и Северо-Западный университет.Работа опубликована в номере журнала Nature от 28 апреля.Уурмазд и Фунг построили алгоритм, извлекая слабую «стрелу времени» из зашумленных данных с поврежденными метками времени. Думайте об этом как о восстановлении первоначальной последовательности колоды карт после того, как она была перетасована.
«В перетасованной колоде есть остатки исходной информации о последовательности, — сказал Фунг, старший научный сотрудник UWM. «Слышен слабый шепот времени, как слабый голос в громкой вечеринке».Исследователи придумали алгоритм, работая с данными проекта отслеживания движения молекул с помощью рентгеновского лазера на свободных электронах. Названное XFEL, это оборудование в Национальной ускорительной лаборатории SLAC является самым ярким в мире рентгеновским лазером и служит камерой материи на наноуровне.XFEL использует сверхбыструю вспышку света, чтобы сделать «снимок» с такой скоростью, что последовательность снимков дает замедленное видео с чрезвычайно быстрыми событиями.
Для создания такого фильма требуются не только сотни тысяч снимков, но и знание точного времени, когда был сделан каждый снимок. Несмотря на беспрецедентную скорость XFEL, большая часть действия размыта, потому что последовательность событий зашифрована.
Алгоритм, разработанный Уурмаздом и Фунгом, решает эту проблему. В эксперименте на Линаковом источнике когерентного света, XFEL в SLAC, исследователи использовали математический инструмент, чтобы восстановить четкое изображение молекул, когда связи, удерживающие их атомы, были разорваны.
Алгоритм определяет внутренние корреляции, чтобы понять океан снимков. Огромный объем данных, генерируемых XFEL, помогает алгоритму в этой задаче.
«Одно изображение, просматриваемое вместе с другим, дает вам более обширную информацию, чем вы могли бы получить, рассматривая два изображения по отдельности», — сказал Урмазд.Исследовательская группа видит приложения в других науках, связанных с неточно известными динамическими историями, такими как геология, метрология, химия, биология и астрономия.
«Это кладезь информации, — сказал Урмазд, — и мы взломали дверь».