Pesquisadores da Universidade de Tel Aviv desenvolveram um novo método para simular sistemas quânticos complexos que podem ser combinados com técnicas de AI de ponta de ponta
A densidade de 6 férmions em uma armadilha harmônica 2D, com força de interação variável. (CC de Liam Bernheimer et al 2024 Rep. Prog. Phys. 87 118001)
Compreender o comportamento de átomos e moléculas no nível quântico é essential para os avanços na ciência da química, física e materiais. No entanto, simular esses sistemas é extremamente complexo.
Os métodos tradicionais dependem de funções matemáticas que devem ser suaves e diferenciáveis. Isso limita os tipos de modelos que podem ser usados – especialmente modelos modernos de aprendizado de máquina.
Para remover esse requisito, uma equipe de pesquisadores da Universidade de Tel Aviv desenvolveu uma nova abordagem, combinando uma representação estocástica de funções de ondas de muitos corpos com integrais de caminho.
Seu trabalho abre as portas para usar arquiteturas de aprendizado de máquina mais flexíveis e poderosas, como modelos de difusão e transformadores por partes.
Eles demonstraram seu método em um modelo simplificado de partículas em interação em uma armadilha harmônica 2D. Eles foram capazes de mostrar que pode capturar com precisão comportamentos quânticos complexos, incluindo quebra de simetria e a formação de moléculas de Wigner (um tipo de estado quântico ordenado).
A abordagem é computacionalmente eficiente e escala melhor com o tamanho do sistema do que os métodos tradicionais.
Mais importante, porém, esse trabalho permite simulações quânticas mais acessíveis e escaláveis usando técnicas modernas de IA, potencialmente transformando como os cientistas estudam sistemas quânticos.
