A mesterséges intelligencia alkalmazása manapság már igen sok rétű, szinte mindennapos. A hozzá kapcsolódó számítógépes környezetek is sokat fejlődtek az elmúlt időszakban. Több platform és könyvtár is fellelhető, amelyek megkönnyítik ennek a gyorsan fejlődő technológiának az alkalmazását és elterjedését automatizált kép-, szöveg felismerésben és nagy mennyiségű adat analízisében is.

A jelen téma keretében ismert program környezetek megismerése, implementálása, alkalmazása és tesztelése a feladat legfőképpen olyan célból, hogy fizikai problémák kutatásához hatékony eszközöket ismerjünk meg és fejlesszünk. Példaként két tudományos célzatú program rendszer megismerése, alkalmazása a feladat.

• Az egyik a SciANN, ami egy fizika orientált rendszer ami az általános, Keras és TensorFlow általános rendszerekre épül. Ez utóbbiak megismerése és implementálása is fontos lépés a gépi tanulás megismerése és alkalmazása terén, de a SciANN segítségével olyan fizika orientált neurális hálózati modelleket lehet tanulmányozni, amelyek újfajta megközelítést adnak komplex problémák kezelésére, mint például nem-lineáris, kaotikus fizikai rendszerek.
• Egy másik megvizsgálandó rendszer a SciML egy olyan nyilt forráskódú, Julia nyelven az MIT-ban íródott szoftver, ami könnyen kapcsolható R-ben, MATLAB-ban vagy Python-ban megvalósítható programokhoz és amivel a beágyazott neurális hálózatokon keresztül akár eddig ismeretelen, dinamikai egyenletekre is fényt lehet deríteni.

Ezen rendszereket nemlineáris, alacsony szabadsági fokú rendszerekben, integrálható és kaotikus esetben fogjuk alkalmazni.

Amennyiben eredményesen sikerül implementálni a fenti programokat, továbblépésként más ismert platformok és program környezetek implementálását is meg lehet próbálni, pl. PennyLane, Tequila, amivel akár kvantum számítógépeken futó algoritmusok is megvalósíthatók.