Η κβαντική πολυπλοκότητα εξημερώθηκε από τη μηχανική μάθηση

Το 2018, οι προσομοιώσεις κλίματος ήταν η τρίτη μεγαλύτερη χρήση υπολογιστικών κύκλων σε ένα κορυφαίο σύμπλεγμα υπερυπολογιστών των ΗΠΑ. Η μελέτη των κουάρκ και άλλων υποατομικών σωματιδίων ήρθε στη δεύτερη θέση.

Στην κορυφή της λίστας ήταν η ιδέα που αναφέρθηκε περισσότερο στις φυσικές επιστήμες — αν και λίγοι την έχουν ακούσει ποτέ.

«Είναι γελοία σημαντικό», είπε ο Kieron Burke, θεωρητικός χημικός στο Πανεπιστήμιο της Καλιφόρνια, στο Irvine. "Είναι ένα από τα πιο σημαντικά πράγματα στην επιστήμη."

Το καλύτερα κρυμμένο μυστικό της επιστήμης ονομάζεται συναρτησιακή θεωρία πυκνότητας (DFT) και είναι η κύρια μέθοδος που χρησιμοποιούν οι φυσικοί και οι χημικοί για να κατανοήσουν σχεδόν οτιδήποτε πιο περίπλοκο από ένα άτομο υδρογόνου. Για δεκαετίες, οι ερευνητές έχουν εκμεταλλευτεί τις ικανότητες του DFT να προβλέπει τα πάντα, από τη γεύση του καφέ έως τη συνοχή του πυρήνα του Δία.

Το DFT δίνει στους επιστήμονες μια ισχυρή συντόμευση για να προβλέψουν πού θα πάνε τα ηλεκτρόνια και, κατ' επέκταση, πώς θα δράσουν τα άτομα, τα μόρια και άλλα αντικείμενα ντυμένα με ηλεκτρόνια. Οι φυσικοί και οι χημικοί έχουν από καιρό βασιστεί σε βαθιά φυσική εμπειρία για να κάνουν τις εξισώσεις τους να αντικατοπτρίζουν καλύτερα τον περίπλοκο χορό που είναι κοινός σε όλα τα ηλεκτρόνια. Αλλά πρόσφατα, νέα εργαλεία που σχεδιάστηκαν από νευρωνικά δίκτυα ανταγωνίζονται και, κατά κάποιο τρόπο, ξεπερνούν τους χειροποίητους προδρόμους τους. Ορισμένοι ερευνητές πιστεύουν τώρα ότι η μηχανική μάθηση θα μπορούσε να βοηθήσει τους ερευνητές να κάνουν μεγαλύτερα και πιο γρήγορα βήματα προς μια κύρια εξίσωση ηλεκτρονίων που θα ξεκλειδώνει τα μυστικά των νέων φαρμάκων, της υπεραγωγιμότητας και των εξωτικών υλικών.

«Αυτές οι μέθοδοι μηχανικής μάθησης», είπε η Marivi Fernández-Serra, φυσικός συμπυκνωμένης ύλης στο Πανεπιστήμιο Stony Brook, «έφτασαν εκεί που ήταν ο τομέας σε μερικά χρόνια και το έχουν ήδη ξεπεράσει».

Electron Whisperers

Το να γνωρίζεις τα ηλεκτρόνια σημαίνει να γνωρίζεις τα άτομα, τα μόρια και τα υλικά που αποτελούν. Οι φυσικοί έχουν κατανοήσει πλήρως τα ηλεκτρόνια από τη δεκαετία του 1920, όταν ο Erwin Schrödinger δημοσίευσε την ομώνυμη εξίσωσή του. Αλλά όταν πρόκειται για την ανάλυση πλήθους ηλεκτρονίων, αυτή η κατανόηση έχει αποδειχθεί άχρηστη.

Το πρόβλημα είναι ότι τα ηλεκτρόνια είναι περισσότερα σύννεφα παρά σωματίδια. Απλώνονται μέσα στο διάστημα, επικαλύπτοντας και πιέζοντας όλα τα άλλα ηλεκτρόνια με πολλούς τρόπους. Καθώς ο αριθμός τους αυξάνεται, η χρήση της κυματικής εξίσωσης του Schrödinger για να ληφθεί υπόψη η σταθερή επαφή μεταξύ όλων των ηλεκτρονίων γίνεται εκθετικά πιο δύσκολη.

«Ακόμη και για λίγα σωματίδια», είπε ο Jeffrey Neaton, ένας φυσικός συμπυκνωμένης ύλης στο Πανεπιστήμιο της Καλιφόρνια στο Μπέρκλεϋ, «απλώς χρειάζεστε περισσότερο χώρο στο δίσκο από ό,τι υπάρχει στον κόσμο αυτή τη στιγμή, ακόμη και για να γράψετε αυτή τη συνάρτηση κύματος σε έναν σκληρό δίσκο».

Το 1964, δύο φυσικοί βρήκαν μια λύση. Ο Pierre Hohenberg και ο Walter Kohn απέδειξαν ότι μπορούσαν να συλλάβουν τέλεια κάθε πτυχή ενός μορίου, αλείφοντας τα ηλεκτρόνια του μαζί σε ένα επινοημένο ρευστό - ένα που είναι πιο παχύ σε ορισμένα σημεία και πιο λεπτό σε άλλα. Η πυκνότητα αυτού του χυμού ηλεκτρονίων περιέχει όλες τις πληροφορίες για τη σύνθετη κυματική συνάρτηση του μορίου, έδειξαν, απελευθερώνοντας τους φυσικούς από το αδύνατο έργο της παρακολούθησης ηλεκτρονίων μεμονωμένα.

«Αυτό είναι το μεγάλο θαύμα», είπε ο Ντάγκλας Νάτελσον, καθηγητής επιστήμης υλικών στο Πανεπιστήμιο Ράις.

Το έργο των Hohenberg και Kohn απέδειξε την ύπαρξη μιας ισχυρής κύριας εξίσωσης - της καθολικής συνάρτησης πυκνότητας. Η εξίσωση θα έπαιρνε κάποιο παράδειγμα μιας σούπας ηλεκτρονίων και θα υπολόγιζε την ενέργειά της, οδηγώντας τους φυσικούς στην πιο φυσική διάταξη ηλεκτρονίων (αυτή με τη χαμηλότερη δυνατή ενέργεια). Το λειτουργικό θα ήταν καθολικό με την έννοια ότι θα μπορούσε, καταρχήν, να περιγράφει οποιοδήποτε σύστημα — από τούβλα πυριτίου μέχρι μόρια νερού.

Το μόνο πιάσιμο ήταν ότι κανείς δεν είχε ιδέα πώς έμοιαζε η εξίσωση.

Σύντομα ο Kohn και ένας άλλος φυσικός, ο Lu Jeu Sham, έκαναν ένα πρώτο πέρασμα στην καταγραφή μιας πρακτικής συνάρτησης πυκνότητας. Μια ακριβής συνάρτηση που καταγράφει όλες τις λεπτές πτυχές της συμπεριφοράς των ηλεκτρονίων θα πρέπει να είναι ανείπωτα περίπλοκη, επομένως τη χωρίζουν στα δύο. Το πρώτο ημίχρονο ήταν το κομμάτι που ήξεραν να κάνουν. Παρείχε την ενέργεια μιας ομάδας ηλεκτρονίων που μπορούσαν να αισθανθούν το ένα το άλλο μόνο κατά μέσο όρο. Όλα τα άλλα — η περίσσεια ενέργειας από τα βυζαντινά κβαντικά φαινόμενα και οι μη τοπικές αλληλεπιδράσεις — πέρασαν στο δεύτερο μισό:ένας παράγοντας φοντάν γνωστός ως λειτουργική ανταλλαγή και συσχέτιση.

«Μείωσαν το πράγμα που δεν καταλαβαίνουμε για το λειτουργικό σε ένα μικρό μέρος του», είπε ο Neaton.

Τις επόμενες δεκαετίες, οι επιστήμονες βασίστηκαν στη δουλειά του Kohn και του Sham με ολοένα και πιο έξυπνους τρόπους εκτίμησης του παράγοντα φοντάν και οι συναρτήσεις πυκνότητας έγιναν ο de facto τρόπος κατανόησης των ηλεκτρονίων. Οι ερευνητές τα χρησιμοποιούν για να προβλέψουν πόσο πιθανό είναι ένα άτομο να αρπάξει ή να απελευθερώσει ένα ηλεκτρόνιο, τους τρόπους με τους οποίους δονούνται τα μόρια (πληροφορίες που χρησιμοποιεί το ρόβερ Curiosity για να αναζητήσει σημάδια ζωής στον Άρη), τη διάταξη των ατόμων σε κρυσταλλικά πλέγματα, την ταχύτητα ήχος σε υλικό και πολλά άλλα. Η ατελείωτη ροή εφαρμογών της θεωρίας κέρδισε τον Kohn ένα βραβείο Νόμπελ το 1998.

Η Λειτουργική Σκάλα

Καθώς οι ερευνητές ζητούν περισσότερη ακρίβεια από το DFT, αναγκάστηκαν να υπολογίσουν την άγνοια που περιείχε ο όρος ανταλλαγής και συσχέτισης του λειτουργικού, ακονίζοντας τις λεπτομέρειες του σκίτσου τους για να το φέρουν περισσότερο σε ευθυγράμμιση με το λειτουργικό καθολικής πυκνότητας.

Ο Aron Cohen, ένας θεωρητικός χημικός στην εταιρεία τεχνητής νοημοσύνης DeepMind, είναι μεταξύ εκείνων που αναζητούν τη μυθική παγκόσμια εξίσωση. Για να παραμείνει προσγειωμένος στο αφηρημένο τοπίο της θεωρητικής κβαντικής χημείας, έχει ένα μπλε 3D-εκτυπωμένο παιχνίδι γραφείου στο χέρι. Μοιάζει με ένα πλαστικό μπισκότο τύχης και οι καμπύλες του εντοπίζουν το ακριβές σχήμα μιας συνάρτησης που είναι καθολική, αλλά μόνο για τα απλούστερα συστήματα:Μπορεί να χρησιμοποιηθεί για να αποκαλύψει οτιδήποτε θα ήθελε κανείς να μάθει για δύο ηλεκτρόνια που μοιράζονται μεταξύ δύο άτομα. Ωστόσο, του υπενθυμίζει ότι μπορεί να υπάρχει μια συνάρτηση που μπορεί να χειριστεί οποιονδήποτε αριθμό ηλεκτρονίων και ατόμων. «Αυτό που ψάχνουμε είναι κάπως έτσι», είπε. είναι απλά πολύ πιο περίπλοκο. "Είναι πραγματικό πράγμα."

Ένας κύριος στόχος της έρευνας DFT είναι να βρει πιο ακριβείς προσεγγίσεις αυτού του καθολικού λειτουργικού. Ο John Perdew, φυσικός στο Temple University και κορυφαίος λειτουργικός προγραμματιστής, έχει πρωτοστατήσει εδώ και καιρό σε αυτήν την εργασία. Περιγράφει τη διαδρομή προς το καθολικό λειτουργικό σαν να ανεβαίνεις τα σκαλοπάτια σε μια σκάλα. Σε κάθε βαθμίδα, οι φυσικοί προσθέτουν νέα συστατικά στο λειτουργικό. Το απλούστερο συστατικό είναι μόνο το πάχος του στιφάδου ηλεκτρονίων σε κάθε θέση. Στην επόμενη βαθμίδα, το λειτουργικό εξετάζει επίσης πόσο γρήγορα αλλάζει το πάχος από μέρος σε μέρος, δίνοντας στους ερευνητές μια ευρύτερη άποψη και καθιστώντας το λειτουργικό πιο ακριβές.

Ένα βασικό μέρος της στρατηγικής του Perdew είναι να χρησιμοποιήσει τη φυσική συλλογιστική για να προσδιορίσει ορισμένες μαθηματικές ιδιότητες που πρέπει να υπακούουν οι καλές προσεγγίσεις, γνωστές ως «ακριβείς περιορισμοί». Οι υψηλότερες βαθμίδες ικανοποιούν περισσότερους από αυτούς τους περιορισμούς και οι ερευνητές πρέπει να ψάξουν πιο σκληρά για να βρουν εξισώσεις που τους υπακούουν σε όλους.

Το συγκρότημα του Perdew άρχισε να αντιμετωπίζει λειτουργίες τρίτου επιπέδου, που συνδυάζουν έξι συστατικά, το 1999 και το 2015 κυκλοφόρησε ένα λειτουργικό τελευταίας τεχνολογίας που ονομάζεται SCAN. Ήταν η όγδοη προσπάθειά του και η πρώτη που υπάκουσε και τους 17 γνωστούς περιορισμούς που σχετίζονται με το τρίτο σκαλοπάτι. Εφαρμόσιμο τόσο σε μόρια όσο και σε στερεά, το SCAN έχει αποδειχθεί μια από τις πιο ικανές προσεγγίσεις της καθολικής λειτουργικής που έχει ανακαλυφθεί ακόμα.

"Υπάρχουν πολύ πλούσιες δυνατότητες για λειτουργίες τρίτης κλίμακας", είπε ο Perdew. "Χρειάζεται χρόνος για να καταλάβουμε τι είναι σημαντικό και τι λειτουργεί."

Εισαγάγετε τις μηχανές

Καθώς ο Perdew βελτίωνε την τέχνη της βελτίωσης των λειτουργιών πυκνότητας με φυσική διαίσθηση, μια επανάσταση βρισκόταν σε εξέλιξη. Θα μπορούσαν οι αλγόριθμοι να προσδιορίσουν μοτίβα στη συμπεριφορά των ηλεκτρονίων πολύ διακριτικά για να τα καταγράψουν οι άνθρωποι μαθηματικά;

Το 2012, ο Burke και οι συνεργάτες του έκαναν την πρώτη σύγχρονη προσπάθεια να εφαρμόσουν τη μηχανική μάθηση σε ένα σύνολο απλουστευμένων ηλεκτρονίων. Το μονοδιάστατο πρωτότυπο του παρακίνησε τον ίδιο και άλλες ομάδες να δουν εάν οι αλγόριθμοι θα μπορούσαν να ανυψώσουν τους ερευνητές ακόμα πιο ψηλά.

Μια σημαντική ανακάλυψη έγινε στις αρχές του 2021, όταν ο Burke και οι συνεργάτες του δημιούργησαν ένα νευρωνικό δίκτυο για ένα πρόβλημα παιχνιδιών που μπορούσε να παρακολουθεί τα σφάλματα πυκνότητας καθώς και τα ενεργειακά σφάλματα με τρόπο που οι περισσότερες προηγούμενες προσπάθειες είχαν αγνοήσει. «Για να αποκτήσετε ένα λειτουργικό που σας δίνει και πυκνότητα και ενέργεια, χρειάζεστε μια πολύ ευέλικτη αρχιτεκτονική», είπε ο Alexandre Tkatchenko, θεωρητικός χημικός στο Πανεπιστήμιο του Λουξεμβούργου. "Δεν είναι εύκολο να γράψεις μια λειτουργική φόρμα με το μυαλό σου."

Ο Fernández-Serra στο Stony Brook χρησιμοποίησε μια παρόμοια στρατηγική για να σχεδιάσει ένα νευρωνικό δίκτυο που θα μελετούσε μια σειρά μορίων και ενεργειών και θα αναζητούσε μια λειτουργική τρίτη βαθμίδα υπακούοντας στους πιο γνωστούς περιορισμούς, χρησιμοποιώντας ουσιαστικά μια μηχανή για να ανιχνεύσει ξανά τα βήματα του Perdew.

Η προκύπτουσα συνάρτηση ανταλλαγής και συσχέτισης κέρδισε το SCAN στην πρόβλεψη των ενεργειών άγνωστων μορίων κατά περίπου 10%, όπως ανέφεραν η ίδια και ο Sebastian Dick στο Physical Review B το φθινόπωρο του 2021. Αλλά το μέτριο κέρδος υποδηλώνει ότι το έργο του Perdew είχε ήδη πλησιάσει στην εύρεση της οροφής του τρίτου σκαλοπατιού.

«Η σωματική διαίσθηση έχει κατά κάποιο τρόπο εξαντλήσει σχεδόν όλα όσα μπορείς να φτάσεις», είπε ο Fernández-Serra. "Η λειτουργικότητα του Perdew είναι πραγματικά τόσο καλή όσο μπορείτε χωρίς τη χρήση μηχανικής εκμάθησης."

Η ανάβαση ψηλότερα θα απαιτούσε πιο περίπλοκες εισόδους — και αλγόριθμους για να τις κατανοήσετε.

DeepMind Scales the Ladder

Λίγο πριν την πανδημία, οι ερευνητές στο DeepMind, έχοντας κατακτήσει το επιτραπέζιο παιχνίδι Go, έψαχναν για νέες προκλήσεις. Ενδιαφέρονταν ιδιαίτερα για επιστημονικά προβλήματα μηχανικής μάθησης και ο Cohen τους πρότεινε DFT. Είχε περάσει χρόνια μελετώντας ακριβείς λειτουργίες απλών συστημάτων, όπως αυτό που κρατά στο γραφείο του. Αλλά δεν ήταν αρκετά περίπλοκα για να περιγράψουν τον πραγματικό κόσμο.

«Έμοιαζε σαν μακρύς δρόμος για να φτάσω σε κάτι που θα ήταν χρήσιμο για τη χημεία», είπε.

Μια αδυναμία στην καρδιά του DFT έφαγε ιδιαίτερα τον Κοέν. Οι συναρτήσεις πυκνότητας ρεύματος συχνά λερώνουν υπερβολικά τα ηλεκτρόνια. Το πρόβλημα είναι ιδιαίτερα έντονο για μονόπλευρα συστήματα, όπου τα ηλεκτρόνια πρέπει να συγκεντρώνονται κυρίως σε ένα μόριο. Το DFT τείνει να απλώνει τη σούπα ηλεκτρονίων πιο ομοιόμορφα και στα δύο μόρια. Ένα σχετικό πρόβλημα εμφανίζεται στις χημικές αντιδράσεις, όταν το DFT δίνει εσφαλμένες ενέργειες για τα σωματίδια που συγχωνεύονται και διαχωρίζονται, ακόμη και για περιπτώσεις τόσο απλές όσο τα άτομα υδρογόνου. "Είναι αυτό το άλογο εργασίας", είπε ο Κοέν, "αλλά ξέρω ότι έχει αυτές τις τεράστιες αποτυχίες."

Για να σχεδιάσουν το λειτουργικό τους επόμενης γενιάς, ο Cohen και η ομάδα DeepMind επέλεξαν να μην ανησυχούν τόσο πολύ για την ικανοποίηση μιας μεγάλης λίστας φυσικών αρχών. Αντίθετα, θα στηρίζονταν σε δεδομένα, πολλά δεδομένα. Έψαξαν τη βιβλιογραφία για βάσεις δεδομένων χιλιάδων μορίων με γνωστές ενέργειες (υπολογισμένες με μεγάλο κόστος χρησιμοποιώντας την εξίσωση Schrödinger ή παρόμοιες μεθόδους). Στη συνέχεια προχώρησαν περισσότερο, χρησιμοποιώντας υπερυπολογιστές για να συνθλίψουν τις ενέργειες εκατοντάδων επιπλέον μορίων — πολλά από τα οποία χρειάστηκαν μέρες για να υπολογιστούν.

Ενώ η ομάδα συγκέντρωσε μια εξαντλητική βιβλιοθήκη παραδειγμάτων μορίων, ο Cohen και άλλοι χημικοί αποφάσισαν πώς θα έπρεπε να δομηθεί το λειτουργικό.

Προσγειώθηκαν σε μια δελεαστικά ευέλικτη προσέγγιση. Για χρόνια δοκιμών και σφαλμάτων, οι ερευνητές βρήκαν μια ειδική συνταγή για να εκτιμήσουν λειτουργικό μέρος της ανταλλαγής και της συσχέτισης. Υπήρχε ένα γλυκό σημείο στην απόδοση όταν το 80% της ενέργειας για ένα κομμάτι του λειτουργικού υπολογίστηκε με έναν τρόπο και το 20% με τον άλλο. Οι ερευνητές υποψιάζονταν εδώ και καιρό ότι το επόμενο βήμα θα ήταν να αφήσουν την αναλογία 80/20 να ποικίλλει από σημείο σε σημείο γύρω από ένα μόριο, αλλά κανείς δεν το είχε καταφέρει πλήρως.

Υπήρχαν "100 χαρτιά όπου οι άνθρωποι έπαιξαν με αυτήν τη φόρμα, αλλά δεν είχαν δημιουργήσει κάτι που θα μπορούσε να χρησιμοποιήσει ο καθένας", είπε ο Burke, ο οποίος εισήγαγε αυτό το είδος λειτουργιών το 1998. "Ίσως είναι πολύ δύσκολο για έναν άνθρωπο." /P>

Με τη θάλασσα παραδειγμάτων μορίων του και την τεχνογνωσία της μηχανικής μάθησης της ομάδας DeepMind, το νευρωνικό δίκτυο της ομάδας ήταν σε θέση να εκπαιδεύσει ένα ευέλικτο λειτουργικό τέταρτο σκέλος ακριβώς αυτού του τύπου. Μπορεί να εκτιμήσει τις ενέργειες μιας ευρείας σειράς μορίων καλύτερα από το SCAN και άλλους κορυφαίους ανταγωνιστές, κυρίως επειδή τοποθετεί τα ηλεκτρόνια με μεγαλύτερη ακρίβεια και περιγράφει καλύτερα τα σπιν τους. Το λειτουργικό, που ονομάστηκε DM21, είναι το πρώτο λειτουργικό γενικής χρήσης που μπορεί να χειριστεί το σπάσιμο και το σχηματισμό χημικών δεσμών. Στις 9 Δεκεμβρίου, η ομάδα περιέγραψε τη λειτουργικότητά τους στο Science .

"Αυτό είναι το πρώτο εύλογα γενικής χρήσης λειτουργικό", είπε ο Burke, ο οποίος δεν συμμετείχε. "Εάν αυτό το πράγμα είναι τόσο καλό όσο φαίνεται, χιλιάδες άνθρωποι θα αρχίσουν να το χρησιμοποιούν μέσα σε ένα χρόνο."

Ωστόσο, ο Burke προειδοποιεί ότι η πλήρης δοκιμή του λειτουργικού θα πάρει χρόνο. Το πεδίο είναι γεμάτο με συντρίμμια λειτουργικών που αρχικά έμοιαζαν πολλά υποσχόμενα αλλά έκρυβαν μοιραία ελαττώματα και οι ερευνητές μόλις άρχισαν να ξεχωρίζουν το DM21.

Μια αδυναμία είναι ότι το DM21 εκπαιδεύτηκε σε μόρια από τις τρεις πρώτες σειρές του περιοδικού πίνακα, όπου τα δεδομένα είναι πιο άφθονα. Αυτό σημαίνει ότι η συμπεριφορά των ηλεκτρονίων που έμαθε μπορεί να μην μεταφερθεί σε άτομα μετάλλων ή στερεά υλικά, τα οποία είναι ζωτικής σημασίας για την ανάλυση της οικογένειας υπεραγωγών υψηλής θερμοκρασίας με βάση τον χαλκό, για παράδειγμα. Οι λεπτομέρειες της καθολικής συνάρτησης που αντιπροσωπεύουν αυτά τα συστήματα παραμένουν, προς το παρόν, σε καλύτερη προσέγγιση από το SCAN και άλλες λειτουργίες.

"Για το άμεσο μέλλον, δεν νομίζω ότι θα υπάρχει ένα λειτουργικό που θα τα κάνει όλα", είπε ο Tkatchenko.

Προς ένα Universal Functional

Η ανάπτυξη νέων λειτουργικών λειτουργιών όπως αυτές των Fernández-Serra και DeepMind υποδηλώνει ότι η μηχανική μάθηση μπορεί να είναι ένα ισχυρό εργαλείο για την εξερεύνηση νέων περιοχών της παγκόσμιας λειτουργικής πυκνότητας, ιδιαίτερα εκείνων που αντιστοιχούν στα μόρια και τη χημεία.

Είναι καλό για «πραγματικά προσαρμογή για το τμήμα του χημικού χώρου που θέλετε να αντιμετωπίσετε και για να το κάνετε όσο το δυνατόν πιο λειτουργικό», είπε ο Tkatchenko. "Νομίζω ότι οι τεχνικές μηχανικής μάθησης είναι πραγματικά εδώ για να μείνουν."

Αλλά το αν οι βελτιωμένες λειτουργίες χημείας θα αποκαλύψουν γενικά χαρακτηριστικά που σχετίζονται με τα πάντα, από τα άτομα μέχρι τα υλικά, μένει να φανεί. Ο Perdew, για παράδειγμα, συνεχίζει να αναζητά νέες διαισθητικές ιδιότητες που μπορούν να βελτιώσουν περαιτέρω τις λειτουργίες με τον παραδοσιακό τρόπο. «Μάλλον δεν θα αφιερώσω πολύ χρόνο στις προσπάθειες μηχανικής μάθησης», είπε, «επειδή, αν και οι μηχανές μπορούν να μάθουν, δεν μπορούν ακόμη να μας εξηγήσουν τι έχουν μάθει».

Ο Cohen ελπίζει ότι το DM21 έχει δει καθολικά χαρακτηριστικά που θα μπορούσαν να γίνουν διαρκή στοιχεία μελλοντικών προσεγγίσεων, είτε δημιουργούνται από ανθρώπινο μυαλό είτε από νευρωνικά δίκτυα.

«Το λειτουργικό είναι απείρως περίπλοκο, επομένως είναι καλό να κάνεις οποιαδήποτε επίθεση σε αυτό», είπε. "Ιδανικά θα θέλαμε να τους ενοποιήσουμε όλους."