新突破！科學家利用機器學習模擬量子自旋液體

我們都曾遇到過這樣的苦惱：要在兩個同樣好（或壞）的選項中，選出其中一項。當基本粒子在一種特殊類型的量子系統中感受到兩種相互競爭的力量時，它們也會感受到這種挫折。

在一些磁體中，粒子的自旋（被看作是粒子圍繞其旋轉的軸）都被迫對齊，而在其他磁體中，它們必須交替地改變方向。但在少數材料中，這些對齊或反對齊的趨勢相互競爭，導致了所謂的受挫磁性。這種挫折意味著自旋在不同的方向上波動，甚至在絕對零度的溫度下也是如此。這就創造了一種被稱為量子自旋液體的奇異物質狀態。

研究人員創造了一種機器學習方法，可以預測一種復雜而奇特的量子材料狀態特性。這一進展可能有助于未來量子計算機的發展。

為量子自旋液體建模是非常具有挑戰性的，因為構成其量子狀態的相互依賴自旋構型的數量，隨著粒子數量的增加而呈指數增長。

而研究中的機器學習方法克服了這個問題，它可以揭示出受挫的磁體中存在一個量子自旋液相。這項機器學習方法已經克服了與這些復雜系統相關的困難，同時已經確定了二維自旋系統中量子自旋液體的存在。

這項研究為在實際材料中實現量子自旋液相提供了一個有用的指導原則。但還有一個更廣泛的信息：該研究強調了機器學習解決困難物理問題的力量。

研究人員認為，使用機器學習作為一種新的工具，可以解決物理學中長期存在的問題，而這些問題是難以用人腦解決的。在未來，除了人腦之外，使用“機器大腦”將為其他未解決的問題帶來新的啟示。

題為Dirac-Type Nodal Spin Liquid Revealed by Refined Quantum Many-Body Solver Using Neural-Network Wave Function, Correlation Ratio, and Level Spectroscopy的相關研究論文發表在《物理評論X》(Physical Review X)上。

前瞻經濟學人APP資訊組

論文原文：

https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.031034

標簽： 機器學習 量子自旋液體