Elektronların varlığının anlaşılması ve nasıl yönlendirilebileceklerinin çözülmesiyle bir arada teknolojimiz değerli manada ilerleme kaydetti. Bugüne geldiğimizde elektronların hareketleri çok daha ayrıntılı bir halde incelenebiliyor. Sorun şu ki elde edilen datalar, insanların işlemesi için epeyce karmaşık olabiliyor.
Tarama Tünellleme Mikroskobu (STM) kullanılan çalışmada elde edilen sonuçlar, makine öğrenmesi ile işlendi. STM metodunda, atom altı ölçekte çekilen manzaralarda elektrik hareketi ve elektronların değişen hareketleri gözleniyor. Bu bilgileri öteki bir metotla elde etmek ise pek mümkün olmuyor.
Deneylerde farklı materyaller kullanarak çekimler yapıldı. Fizik profesörü Eun-Ah Kim, Nature mecmuasında yayımlanan “Machine Learning in Electronic Quantum Matter Imaging Experiments” isimli çalışmada, çalışmanın mevzuyla ilgili birtakım sırları ortaya çıkardığını açıkladı.
Araştırmadaki manzaralar, mikroskobun iletken ucuyla gereç ortasında gerçekleşen etkileşimi gösteriyor. Kim, elde edilen manzaranın bir figürden çok bir desen olduğunu, bu desenin de klâsik ölçümlerde ortaya çıkanlardan 10 bin kat daha karmaşık olduğunu söyledi.
Araştırmacılar, bu dataların işlenmesi için makine öğrenmesini ve yapay zekayı kullandı. Özel olarak eğitilen yapay nöral ağ, farklı teorilerle eşleşen noktaları yakalayarak hangi teorilerin daha mümkün olduğunu ve daha çok doğrulandığını hesaplıyor.
Yapılan çalışmalarda, itici etkileşim gücünün elektron hareketini belirlemede daha kıymetli olduğunu savunan hipotez desteklenmiş oldu. Kim, bu çalışmalar sayesinde çok daha kompleks gereçler geliştirilebileceğini savunuyor.