Os físicos estão (temporariamente) aumentando a realidade para decifrar o código dos sistemas quânticos.
Prever as propriedades de uma molécula ou material requer calcular o comportamento coletivo de seus elétrons. Tais previsões podem um dia ajudar os pesquisadores a desenvolver novos produtos farmacêuticos ou materiais de design com propriedades procuradas, como supercondutividade. O problema é que os elétrons podem ficar "mecanicamente quânticos" emaranhados uns com os outros, o que significa que não podem mais ser tratados individualmente. A teia emaranhada de conexões torna-se absurdamente complicada para até mesmo os computadores mais poderosos desvendarem diretamente para qualquer sistema com mais do que um punhado de partículas.

Agora, físicos quânticos do Centro de Física Quântica Computacional (CCQ) do Flatiron Institute em Nova York e da École Polytechnique Fédérale de Lausanne (EPFL) na Suíça evitaram o problema. Eles criaram uma maneira de simular o emaranhamento adicionando aos seus cálculos elétrons "fantasmas" extras que interagem com os elétrons reais do sistema.

Na nova abordagem, o comportamento dos elétrons adicionados é controlado por uma técnica de inteligência artificial chamada rede neural. A rede faz ajustes até encontrar uma solução precisa que possa ser projetada de volta ao mundo real, recriando assim os efeitos do emaranhamento sem os obstáculos computacionais que a acompanham.

Os físicos apresentam seu método em 3 de agosto nos Proceedings of the National Academy of Sciences .

“Você pode tratar os elétrons como se eles não falassem entre si, como se não estivessem interagindo”, diz o autor principal do estudo, Javier Robledo Moreno, estudante de pós-graduação do CCQ e da Universidade de Nova York. “As partículas extras que estamos adicionando estão mediando as interações entre as partículas reais que vivem no sistema físico real que estamos tentando descrever”.

No novo artigo, os físicos demonstram que sua abordagem combina ou supera métodos concorrentes em sistemas quânticos simples.

“Aplicamos isso a coisas simples como um banco de testes, mas agora estamos levando isso para o próximo passo e testando isso em moléculas e outros problemas mais realistas”, diz o coautor do estudo e diretor do CCQ, Antoine Georges. "Isso é importante porque se você tiver uma boa maneira de obter as funções de onda de moléculas complexas, poderá fazer todo tipo de coisa, como projetar drogas e materiais com propriedades específicas".

O objetivo de longo prazo, diz Georges, é permitir que os pesquisadores prevejam computacionalmente as propriedades de um material ou molécula sem ter que sintetizá-lo e testá-lo em laboratório. Eles podem, por exemplo, ser capazes de testar uma série de moléculas diferentes para uma propriedade farmacêutica desejada com apenas alguns cliques de um mouse. "Simular grandes moléculas é um grande negócio", diz Georges.

Robledo Moreno e Georges foram coautores do artigo com o professor assistente de física da EPFL Giuseppe Carleo e o pesquisador do CCQ James Stokes.

O novo trabalho é uma evolução de um artigo de 2017 em Ciência por Carleo e Matthias Troyer, que atualmente é membro técnico da Microsoft. Esse artigo também combinou redes neurais com partículas fictícias, mas as partículas adicionadas não eram elétrons completos. Em vez disso, eles tinham apenas uma propriedade conhecida como spin.

"Quando eu estava [no CCQ] em Nova York, eu estava obcecado com a ideia de encontrar uma versão de rede neural que descrevesse a maneira como os elétrons se comportam, e eu realmente queria encontrar uma generalização da abordagem que introduzimos em 2017 ", diz Carlão. “Com este novo trabalho, finalmente encontramos uma maneira elegante de ter partículas ocultas que não são spins, mas elétrons”. + Explorar mais

Algoritmo quântico inovador de scripts de equipe