El modelo de superconductividad con 100.000 ecuaciones ahora contiene solo 4 gracias a la IA; Alerta científica:

Los electrones que pasan zumbando a través de una jaula similar a una malla no se comportan en absoluto como bonitas bolas plateadas en una máquina de pinball. Se desdibujan y distorsionan en bailes colectivos, siguiendo los caprichos de una realidad ondulatoria que es bastante difícil de imaginar, y mucho menos de calcular.

Y, sin embargo, los científicos han logrado hacer esto al capturar el movimiento de los electrones que se mueven alrededor de una red cuadrada a través de simulaciones que hasta ahora requerían cientos de miles de ecuaciones individuales.

Usando inteligencia artificial (AI) para reducir esa tarea a solo cuatro ecuaciones, los físicos han hecho que el estudio de las propiedades emergentes de los materiales cuánticos complejos sea más manejable.

Al hacerlo, esta hazaña computacional podría ayudar a resolver uno de los problemas más complicados de la física cuántica, el problema de los «muchos electrones», que intenta describir sistemas que contienen una gran cantidad de electrones que interactúan.

También podría conducir a una un instrumento verdaderamente legendario Para predecir el comportamiento de los electrones en materiales en estado sólido, se utiliza el modelo de Hubbard, que a la vez describe mejor las fases adecuadas de la materia como: superconductividadocurrir

La superconductividad es un fenómeno extraño que ocurre cuando una corriente de electrones fluye sin obstáculos a través de un material y casi no pierde energía al deslizarse de un punto a otro. Desafortunadamente, la mayoría de los medios prácticos para crear tal estado se basan, si no en temperaturas increíblemente bajas. presiones ridículamente altas. El uso de superconductividad más cercana a la temperatura ambiente podría conducir a redes y dispositivos eléctricos mucho más eficientes.

Debido a que lograr la superconductividad en condiciones más razonables sigue siendo un objetivo elevado, los físicos han comenzado a utilizar modelos para predecir cómo podrían comportarse los electrones en diferentes circunstancias y, por lo tanto, qué materiales son conductores o aislantes adecuados.

Estos modelos tienen su trabajo. Los electrones no giran a través de una red de átomos como pequeñas bolas, en última instancia, con posiciones y trayectorias bien definidas. Su actividad es un lío de probabilidades, afectado no solo por su entorno sino también por su historial de interacción con otros electrones que encuentran en el camino.

Cuando los electrones interactúan, sus destinos pueden entrelazarse estrechamente, o.enredado‘. Simular el comportamiento de un solo electrón significa rastrear el rango de posibilidades para todos los electrones en el sistema modelo a la vez, lo que hace que el desafío computacional sea exponencialmente más difícil.

El modelo de Hubbard es un modelo matemático de décadas de antigüedad que describe con cierta precisión el confuso movimiento de los electrones a través de una red de átomos. A lo largo de los años, y para deleite de los físicos, engañosamente simple el modelo fue implementado experimentalmente un una amplia variedad de materiales complejos.

Con una potencia informática cada vez mayor, los investigadores han desarrollado simulaciones numéricas basadas en la física del modelo de Hubbard que les permiten comprender el papel de la topología de red subyacente.

Por ejemplo, en 2019, los investigadores demostraron que el modelo del Hubble puede representar la superconductividad más altas que las temperaturas de sobreenfriamientodando a los investigadores luz verde para usar el modelo para obtener conocimientos más profundos en el campo.

Este nuevo estudio podría ser otro gran paso adelante, simplificando enormemente la cantidad de ecuaciones requeridas. Los investigadores desarrollaron un algoritmo de aprendizaje automático para mejorar un aparato matemático llamado grupo de renormalización que los físicos usan para estudiar los cambios en un sistema material cuando cambian propiedades como la temperatura.

«Es esencialmente una máquina con el poder de detectar patrones ocultos», dijo el físico y autor principal Domenico Di Sante de la Universidad de Bolonia en Italia. dice del programa desarrollado por el equipo.

«Comenzamos con este enorme objeto de todas estas ecuaciones diferenciales acopladas», cada una de las cuales representa pares de electrones entrelazados, «luego usamos: aprendizaje automático redúcelo a algo tan pequeño que puedas contarlo con los dedos”, Di Sante dice sobre su enfoque.

Los investigadores demostraron que su algoritmo basado en datos puede aprender y resumir de manera eficiente la dinámica del modelo de Hubbard utilizando solo unas pocas ecuaciones, cuatro para ser exactos, y sin sacrificar la precisión.

«Cuando vimos el resultado, dijimos, wow, esto es más de lo que esperábamos. Realmente pudimos capturar la física apropiada”. dice Di Santa.

Tomó semanas entrenar el programa de aprendizaje automático usando los datos, pero Di Sante y sus colegas dicen que ahora se puede adaptar para trabajar en otros problemas de materia condensada más desafiantes.

Hasta ahora, las simulaciones solo han capturado un número relativamente pequeño de variables en la red de malla, pero los investigadores esperan que su método sea bastante escalable a otros sistemas.

Si es así, podría usarse en el futuro para determinar la idoneidad de los materiales conductores para aplicaciones que impliquen la generación de energía limpia, o para ayudar a diseñar materiales que algún día podrían lograr esa elusiva superconductividad a temperatura ambiente.

La verdadera prueba, dicen los investigadores, será qué tan bien funciona el enfoque en sistemas cuánticos más complejos, como materiales en los que los electrones interactúan a largas distancias.

Hasta ahora, el trabajo demuestra el potencial del uso de la inteligencia artificial para extraer representaciones compactas de electrones dinámicos, lo que es «crucial para el éxito de los métodos de teoría cuántica de campos de última generación para resolver el problema de muchos electrones», dijeron los investigadores. dijo. para concluir en su resumen.

El estudio ha sido publicado Cartas de revisión física.