Sebuah kelompok yang dipimpin oleh veteran teori string Burt Ovrut dari Universitas Pennsylvania dan Andre Lukas dari Oxford pergi lebih jauh. Mereka juga memulai dengan perangkat lunak perhitungan metrik Ruehle, yang telah membantu Lukas mengembangkan. Membangun pada dasar tersebut, mereka menambahkan serangkaian 11 jaringan syaraf untuk menangani berbagai jenis sprinkel. Jaringan-jaringan ini memungkinkan mereka untuk menghitung berbagai bidang yang bisa mengambil berbagai bentuk, menciptakan pengaturan yang lebih realistis yang tidak dapat dipelajari dengan teknik lainnya. Pasukan mesin ini belajar metrik dan pengaturan bidang, menghitung kopling Yukawa, dan mengeluarkan massa dari tiga jenis quark. Mereka melakukan semua ini untuk enam manifold Calabi-Yau yang berbeda. “Ini adalah kali pertama siapapun telah dapat menghitung mereka dengan tingkat akurasi tersebut,” kata Anderson.
Tidak ada dari Calabi-Yau tersebut yang mendasari alam semesta kita, karena dua quark memiliki massa yang identik, sementara enam varietas di dunia kita datang dalam tiga tingkat massa. Sebaliknya, hasil tersebut merupakan bukti prinsip bahwa algoritma pembelajaran mesin dapat membawa fisikawan dari manifold Calabi-Yau hingga massa partikel tertentu.
“Hingga saat ini, perhitungan semacam itu akan tidak terpikirkan,” kata Constantin, seorang anggota kelompok berbasis di Oxford.
Permainan Angka
Jaringan syaraf tercekik pada donat dengan lebih dari beberapa lubang, dan para peneliti pada akhirnya ingin mempelajari manifold dengan ratusan. Dan sampai sekarang, para peneliti hanya mempertimbangkan bidang kuantum yang cukup sederhana. Untuk sampai ke model standar, kata Ashmore, “Anda mungkin memerlukan jaringan syaraf yang lebih canggih.”
Tantangan yang lebih besar mengintai di cakrawala. Mencoba untuk menemukan fisika partikel kita dalam solusi teori string – jika memang ada di sana – adalah permainan angka. Semakin banyak donat dengan sprinkel yang Anda cek, semakin besar kemungkinan Anda menemukan kecocokan. Setelah puluhan tahun upaya, para teoritis string akhirnya dapat memeriksa donat dan membandingkannya dengan kenyataan: massa dan kopling dari partikel elemen yang kita amati. Tapi bahkan para teoritis paling optimis mengakui bahwa peluang menemukan kecocokan dengan keberuntungan buta sangat rendah. Jumlah donat Calabi-Yau sendiri mungkin tak terbatas. “Anda perlu belajar bagaimana memanipulasi sistem,” kata Ruehle.
Salah satu pendekatan adalah memeriksa ribuan manifold Calabi-Yau dan mencoba mencari tahu pola apa pun yang dapat mengarahkan pencarian. Dengan meregangkan dan menekan manifold dengan cara yang berbeda, misalnya, fisikawan mungkin dapat mengembangkan rasa intuisi tentang bentuk apa yang mengarah pada partikel apa. “Yang benar-benar Anda harapkan adalah memiliki beberapa penalaran kuat setelah melihat model-model tertentu,” kata Ashmore, “dan Anda tanpa sengaja menemukan model yang tepat untuk dunia kita.”
Lukas dan rekan-rekannya di Oxford berencana untuk memulai eksplorasi itu, mendorong donat-donat yang paling menjanjikan mereka dan mengotak-atik lebih banyak dengan sprinkel saat mereka mencoba menemukan manifold yang menghasilkan populasi quark yang realistis. Constantin percaya bahwa mereka akan menemukan manifold yang mereproduksi massa dari partikel yang diketahui dalam beberapa tahun.
“Untuk membuatnya menarik, seharusnya ada beberapa prediksi fisika baru.”
Renate Loll, Profesor Fisika Teoritis, Universitas Radboud, Belanda
Teoritis string lainnya, bagaimanapun, berpikir bahwa terlalu dini untuk mulai memeriksa manifold individu. Thomas Van Riet dari KU Leuven adalah seorang teoritis string yang mengejar program penelitian “lahan basah”, yang bertujuan untuk mengidentifikasi fitur-fitur yang dibagikan oleh semua solusi teori string yang konsisten secara matematis – seperti kelemahan ekstrim gravitasi relatif terhadap gaya lainnya. Dia dan rekan-rekannya bercita-cita untuk menyingkirkan wilayah luas solusi string – yaitu, alam semesta mungkin – sebelum mereka bahkan mulai memikirkan tentang donat dan sprinkel spesifik.
“Bagus bahwa orang-orang melakukan bisnis pembelajaran mesin ini, karena saya yakin kita akan membutuhkannya suatu saat,” kata Van Riet. Tapi pertama-tama “kita perlu memikirkan prinsip-prinsip mendasar, pola-pola. Apa yang mereka tanyakan adalah detail.”