Simulering af kvantesystemer med neurale netværk

Selv på størrelse med hverdagen, naturen er styret af kvantefysikkens love. Disse love forklarer almindelige fænomener som lys, lyd, varme, eller endda banerne for bolde på et poolbord. Men når det anvendes på et stort antal interagerende partikler, kvantefysikkens love forudsiger faktisk en række fænomener, der trodser intuitionen.

For at studere kvantesystemer lavet af mange partikler, fysikere skal først kunne simulere dem. Dette kan gøres ved at løse ligningerne, der beskriver deres indre funktioner på supercomputere. Men mens Moores lov forudsiger, at computeres processorkraft fordobles hvert par år, dette er langt fra den nødvendige kraft til at tackle kvantefysikkens udfordringer.

Årsagen er, at det er enormt komplekst at forudsige et kvantesystems egenskaber, kræver en beregningskraft, der vokser eksponentielt med størrelsen af ​​kvantesystemet - en "iboende kompleks" opgave, ifølge professor Vincenzo Savona, der leder Laboratory of Theoretical Physics of Nanosystems på EPFL.

"Tingene bliver endnu mere komplicerede, når kvantesystemet er åbent, hvilket betyder, at det er udsat for forstyrrelser fra dets omgivende miljø, " tilføjer Savona. Og dog, værktøjer til effektivt at simulere åbne kvantesystemer er meget nødvendige, da de fleste moderne eksperimentelle platforme for kvantevidenskab og -teknologi er åbne systemer, og fysikere er konstant på jagt efter nye måder at simulere og benchmarke dem på.

Men der er sket betydelige fremskridt takket være en ny beregningsmetode, der simulerer kvantesystemer med neurale netværk. Metoden er udviklet af Savona og hans ph.d. studerende Alexandra Nagy ved EPFL - og uafhængigt af forskere ved Université Paris Diderot, Heriot-Watt University i Edinburgh, og Flatiron Institute i New York. Det samlede værk udgives på tværs af tre artikler i Fysisk gennemgangsbreve .

"Vi kombinerede dybest set fremskridt inden for neurale netværk og maskinlæring med kvante Monte Carlo værktøjer, " siger Savona, henviser til et stort værktøjssæt af beregningsmetoder, som fysikere bruger til at studere komplekse kvantesystemer. Forskerne trænede et neuralt netværk til samtidig at repræsentere de mange kvantetilstande, hvori et kvantesystem kan støbes ved påvirkning af dets omgivelser.

Den neurale netværkstilgang tillod fysikerne at forudsige egenskaberne af kvantesystemer af betydelig størrelse og vilkårlig geometri. "Dette er en ny beregningsmetode, der adresserer problemet med åbne kvantesystemer med alsidighed og et stort potentiale for opskalering, " siger Savona. Metoden er sat til at blive et valgværktøj til studiet af komplekse kvantesystemer, og, ser lidt mere ind i fremtiden, til vurdering af støjens effekt på kvantehardware.