دانشمندان واقعیت را تقویت می‌کنند

به گزارش گروه دانش و فناوری خبرگزاری آنا به نقل از (سای تک دیلی)، روش جدیدی برای شبیه سازی درهم تنیدگی کوانتومی بین ذرات در حال تعامل توسط فیزیکدانان توسعه یافته است.

فیزیکدانان (به طور موقت) واقعیت را تقویت می‌کنند تا رمز سیستم‌های کوانتومی را بشکنند.

محاسبه رفتار جمعی الکترون‌های یک مولکول برای پیش بینی خواص یک ماده ضروری است. چنین پیش‌بینی‌هایی می‌تواند روزی به دانشمندان کمک کند تا دارو‌های جدید بسازند یا موادی با کیفیت‌های مطلوب مانند ابررسانایی بسازند. مسئله این است که الکترون‌ها ممکن است به صورت مکانیکی کوانتومی با یکدیگر درگیر شوند، به این معنی که دیگر نمی‌توان آن‌ها را به‌صورت جداگانه درمان کرد. برای هر سیستمی که بیش از چند ذره داشته باشد، باز کردن مستقیم شبکه درهم‌تنیده از اتصالات حتی برای قوی‌ترین رایانه‌ها نیز بسیار دشوار می‌شود.

اکنون، فیزیکدانان کوانتومی از École Polytechnique Fédérale de Lozanne (EPFL) در سوئیس و مرکز فیزیک کوانتومی محاسباتی مؤسسه Flatiron (CCQ) در شهر نیویورک راه‌حلی پیدا کرده‌اند. آن‌ها با افزودن الکترون‌های «شبح» اضافی در محاسبات خود که با الکترون‌های واقعی سیستم تعامل دارند، توانستند درهم تنیدگی را شبیه‌سازی کنند.

اینفوگرافیک فرآیند را شرح می‌دهد

در رویکرد جدید، رفتار الکترون‌های اضافه شده توسط یک تکنیک هوش مصنوعی به نام شبکه عصبی کنترل می‌شود. این شبکه تا زمانی که راه حل دقیقی را پیدا کند که بتواند به دنیای واقعی بازتاب داده شود، تغییراتی ایجاد می‌کند، در نتیجه اثرات درهم تنیدگی را بدون موانع محاسباتی همراه ایجاد می‌کند.

خاویر روبلدو مورنو، نویسنده ارشد این مطالعه، دانشجوی کارشناسی ارشد در CCQ و دانشگاه نیویورک می‌گوید: می‌توانید با الکترون‌ها طوری رفتار کنید که انگار با یکدیگر صحبت نمی‌کنند، انگار که در حال تعامل نیستند. "ذرات اضافی که ما اضافه می‌کنیم، واسطه تعاملات بین ذرات واقعی هستند که در سیستم فیزیکی واقعی که ما می‌خواهیم توصیف کنیم، زندگی می‌کنند. "

در مقاله جدید، فیزیکدانان نشان می‌دهند که رویکرد آن‌ها با روش‌های رقیب در سیستم‌های کوانتومی ساده مطابقت دارد یا از آن‌ها برتری می‌یابد.

آنتونیو جئورجس یکی از نویسندگان مطالعه و مدیر CCQ می‌گوید: «ما این را برای چیز‌های ساده به‌عنوان یک بستر آزمایشی به کار بردیم، اما اکنون این را به مرحله بعدی می‌بریم و آن را روی مولکول‌ها و سایر مشکلات واقعی‌تر امتحان می‌کنیم. "این کار بزرگی است، زیرا اگر راه خوبی برای دریافت توابع موجی مولکول‌های پیچیده داشته باشید، می‌توانید انواع کار‌ها را انجام دهید، مانند طراحی دارو‌ها و مواد با خواص خاص. "

جورج می‌گوید هدف بلندمدت این است که محققان را قادر سازد تا خواص یک ماده یا مولکول را بدون نیاز به سنتز و آزمایش آن در آزمایشگاه به صورت محاسباتی پیش‌بینی کنند. به عنوان مثال، آن‌ها ممکن است بتوانند تعداد زیادی مولکول مختلف را برای یک خاصیت دارویی مورد نظر تنها با چند کلیک ماوس آزمایش کنند. جورج می‌گوید: «شبیه سازی مولکول‌های بزرگ کار بزرگی است.

روبلدو مورنو و ژرژ به همراه جوزپه کارلئو، استادیار فیزیک EPFL و جیمز استوکس، محقق CCQ، مقاله را نوشتند.

کار جدید تکامل مقاله ۲۰۱۷ در Science توسط کارلئو و ماتیاس ترویر است که در حال حاضر یک همکار فنی در مایکروسافت است. آن مقاله همچنین شبکه‌های عصبی را با ذرات ساختگی ترکیب کرد، اما ذرات اضافه شده الکترون‌های تمام عیار نبودند. در عوض، آن‌ها فقط یک ویژگی به نام اسپین داشتند.

زمانی که من [در CCQ] در نیویورک بودم، با ایده یافتن نسخه‌ای از شبکه عصبی که نحوه رفتار الکترون‌ها را توصیف می‌کند وسواس داشتم و واقعاً می‌خواستم یک تعمیم از رویکردی که در سال ۲۰۱۷ معرفی کردیم پیدا کنم.

کارلئو می‌گوید: با این کار جدید، ما در نهایت راهی زیبا برای داشتن ذرات پنهانی پیدا کردیم که اسپین نیستند، بلکه الکترون هستند.