利用机器学习分析几何原子片段的创新研究标志着数学领域的重大进步，通过加快对复杂几何形状和图案的识别和理解，有可能彻底改变数学领域。新研究利用机器学习技术识别几何原子碎片的属性。这项开创性的工作有可能推动数学领域新发现的发展。

来自诺丁汉大学和伦敦帝国学院的数学家首次利用机器学习来扩展和加速识别"原子形状"的工作，这些形状构成了高维度几何的基本片段。他们的研究成果发表在《自然-通讯》（Nature Communications）上。

研究小组早在几年前就开始了创建几何形状"元素周期表"的工作。原子碎片被称为法诺变体。研究小组将一串数字（称为量子周期）与每种形状联系起来，给出了描述形状的"条形码"或"指纹"。他们最近的突破是使用一种新的机器学习方法，快速筛选这些条形码，识别形状及其属性，如每个形状的维度。

亚历山大-卡斯普日克（Alexander Kasprzyk）是诺丁汉大学数学科学学院几何学副教授，也是这篇论文的作者之一。他解释说："对于数学家来说，关键的一步是找出给定问题中的模式。这可能非常困难，有些数学理论可能需要数年才能发现"。

伦敦帝国理工学院数学系教授汤姆-科茨（Tom Coates）是这篇论文的共同作者，他说："这是人工智能可以真正彻底改变数学的地方，因为我们已经证明，机器学习是在代数和几何等复杂领域发现模式的强大工具。"

论文的共同作者、该团队的博士生萨拉-维尼西亚莱（Sara Veneziale）继续说道："我们对机器学习可以用于纯数学这一事实感到非常兴奋。这将加速整个领域的新见解"。