作者:RIKEN
图1:通过使用模拟大脑神经元网络的机器学习算法，一位RIKEN物理学家和一位合作者开发了一种模拟量子自旋液体状态的方法
学分:杰斯珀·克劳森/科学图片库 量子材料的复杂奇异状态的性质可以用一种机器学习方法来预测，这种方法是由RIKEN的一位研究员和一位合作者创造的
这一进展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(或坏)的选择中做出选择的痛苦挑战
当基本粒子在一种特殊的量子系统中感受到两种相互竞争的力量时，它们也会感受到这种挫败感
在一些磁铁中，粒子的旋转——被想象成粒子绕其旋转的轴——都被迫对齐，而在另一些磁铁中，它们的方向必须交替
但是在少数材料中，这些排列或反排列的趋势相互竞争，导致所谓的受抑磁性
这种挫败感意味着自旋在不同的方向波动，即使在绝对零度时也是如此
这创造了一种奇异的物质状态，称为量子自旋液体
RIKEN紧急物质科学中心的Yusuke Nomura解释说:“这种有趣而不寻常的量子自旋‘液态’状态有望具有独特的量子纠缠特性，这种特性不同于普通的‘固态’系统。”
这些纠缠特性对于量子计算机中的量子计算有潜在的用处
" 然而，对量子自旋液体建模极具挑战性，因为构成其量子态的相互依赖的自旋配置的数量随着粒子数量呈指数增长
现在，野村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
它可以揭示在受抑磁体中量子自旋液相的存在，其中下一个最近邻自旋在相对于最近邻自旋之间的强度的特定r安歌内相互作用
野村表示:“我们新开发的机器学习方法克服了与这些复杂系统相关的困难。”
“它已经确定了二维自旋系统中量子自旋液体的存在
" 该研究为在真实材料中实现量子自旋液相提供了有益的指导
但还有一个更广泛的信息:这项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
野村说:“使用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，这个问题很难用独立的人脑来解决。”
“未来，除了人类大脑之外，使用‘机器大脑’将为其他未解决的问题带来新的曙光
它标志着物理学研究新时代的开始
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
