日本理化学研究所(RIKEN)的研究人员和合作者创建了一种机器学习方法来预测量子材料的复杂和奇异状态的特性。这一进步可能有助于未来量子计算机的发展。

我们都面临着在两个同样好的(或坏的)选项之间进行选择的痛苦挑战。当基本粒子在特殊类型的量子系统中感受到两种相互竞争的力量时，也会感受到这种挫败感。

在某些磁铁中，粒子自旋都被迫对齐，而在其他一些磁铁中，它们必须改变方向。但在少数材料中，这些对齐或反对齐的趋势相互竞争，导致所谓的失磁。这意味着自旋在方向之间波动，即使在期望稳定的绝对零度温度下也是如此。它会产生一种被科学家称之为量子自旋液体的奇异物质态。

RIKEN紧急物质科学中心的Yusuke Nomura解释说：“这种有趣且不同寻常的量子自旋液体态有望具有与普通固态系统不同的独特量子纠缠特性……而且这些纠缠特性可能对量子计算机中的量子计算有用。”

然而，对量子自旋液体建模非常具有挑战性，因为构成其量子态的所依赖的自旋配置数量随着粒子的数量呈指数增长。

现在，Nomura和一位合作者通过开发一种可以模拟量子多体系统的机器学习方法克服了这个问题。它可以揭示受挫磁体中量子自旋液相的存在，其中次近邻自旋在相对于最近邻自旋间的自旋强度的特定范围内进行相互作用。

Nomura说：“我们新开发的机器学习方法克服了与这些复杂系统有关的困难。它已经确定了二维自旋系统中存在量子自旋液体。”

该研究为在真实材料中实现量子自旋液相提供了有用的指导。但有一个更广泛的信息是，该研究强调了机器学习作为解决物理学重大挑战的工具的力量。Nomura说：“把机器学习作为一种新颖的工具，我们解决了物理学中一个长期存在的问题，这个问题在无人帮助的情况下很难解决。未来，除了人脑之外，‘机器大脑’的使用将为其他尚未解决的问题提供新的线索。这标志着物理学研究新时代的开始。”（编译:Qtech）