دانشمندان با فناوری کوانتومی حرکت الکترون‌ها را شبیه‌سازی کردند و ابررایانه‌ها را پشت سر گذاشتند
یک تیم تحقیقاتی چینی موفق به ساخت دستگاهی شدند که می‌تواند حرکت الکترون‌ها در مواد حالت جامد را شبیه‌سازی کند.
این تحقیق که در مجله Nature منتشر شده است، نشان دهنده توانایی کامپیوترهای کوانتومی در فراتر رفتن از ابررایانه‌های قدرتمند است.
درک رفتار الکترون‌ها برای پیشرفت‌های علمی، به ویژه در زمینه‌های مغناطیس و مواد ابررسانای دما بالا بسیار مهم است. این مواد می‌توانند در انتقال و حمل‌ونقل الکتریسیته انقلاب ایجاد کنند و به صرفه‌جویی‌های انرژی و پیشرفت‌های تکنولوژیکی منجر شوند.
«دستاورد ما نشان‌دهنده توانایی شبیه‌سازهای کوانتومی در فراتر رفتن از کامپیوترهای کلاسیک است و یک مرحله مهم در تحقیقات کوانتومی چین محسوب می‌شود» گفت پان جیان‌وی، سرپرست تیم از دانشگاه علوم و فناوری چین.
برای اطلاع بیشتر، مرحله دوم محاسبات کوانتومی بر توسعه شبیه‌سازهای کوانتومی تخصصی تمرکز دارد. این شبیه‌سازها برای حل مسائل علمی خاصی که برای کامپیوترهای کلاسیک پیچیده هستند، طراحی شده‌اند.
چالشی پیچیده
تیم تحقیقاتی بر شبیه‌سازی مدل هابارد فرمیونی (FHM) متمرکز بود. این مدل نظری، حرکت الکترون‌ها در شبکه‌ها را که توسط فیزیکدان بریتانیایی جان هابارد در سال ۱۹۶۳ پیشنهاد شده، توصیف می‌کند.
با این حال، علیرغم اهمیت آن در توضیح ابررسانایی در دماهای بالا، این مدل به دلیل پیچیدگی زیادی که دارد، مشهور به دشواری در شبیه‌سازی است.
علاوه بر این، هیچ راه حل دقیقی برای این مدل در دو یا سه بعد وجود ندارد و حتی قدرتمندترین ابررایانه‌ها نیز به دلیل تقاضای بالای محاسباتی قادر به کاوش در فضای پارامتری آن نیستند.
چن یوآو، یکی از نویسندگان مقاله، توضیح داد که شبیه‌سازی حرکت ۳۰۰ الکترون با استفاده از کامپیوترهای کلاسیک به فضای ذخیره‌سازیی بیشتر از تعداد کل اتم‌های موجود در جهان نیاز دارد.
غلبه بر چالش‌ها در شبیه‌سازی کوانتومی
شبیه‌سازی کوانتومی شامل استفاده از اتم‌های فرمیونی فوق‌العاده سرد در شبکه‌های نوری برای مشخص کردن نمودار فازی دما پایین FHM است.
با این حال، آزمایشات شبیه‌سازی کوانتومی قبلی به دلیل دشواری در سرد کردن اتم‌های فرمیونی و ناهمسانی ایجاد شده توسط لیزرهای شبکه‌ای پروفایل گوسی استاندارد با چالش‌هایی مواجه بودند.
برای غلبه بر چالش‌های مرتبط با شبیه‌سازی مدل هابارد، تیم تکنیک‌های بهینه‌سازی مبتنی بر یادگیری ماشینی را با کار قبلی خود در زمینه مایعات فوق‌العاده فِرمی همگن ترکیب کرد.
این اقدامات به آنها اجازه داد شبکه‌های نوری با توزیع شدت یکنواخت ایجاد کنند، دماهای فوق‌العاده پایین را به دست آورند و تکنیک‌های اندازه‌گیری جدیدی برای دقیق‌ترین توصیف وضعیت‌های شبیه‌ساز کوانتومی توسعه دهند.
مشاهده دستیابی بزرگ، آینده‌ای امیدوارکننده
تحقیق با مشاهده تغییری در مواد از حالت پارامغناطیس (جذب ضعیف به یک آهنربا) به حالت آنتی‌فرومغناطیس (عدم حساسیت قابل توجه به یک آهنربا) به اوج رسید. این یافته می‌تواند درک ما از مکانیسم‌های ابررسانایی در دماهای بالا را بیشتر کند.
«هنگامی که مکانیزم‌های فیزیکی ابررسانایی در دماهای بالا را به طور کامل درک کنیم، می‌توانیم طراحی، تولید و کاربرد مواد ابررسانای دما بالا جدیدی را گسترش دهیم که می‌تواند حوزه‌هایی مانند انتقال برقی، پزشکی و ابررایانه‌ها را متحول کند» چن در حالی که اشاره‌ای به پتانسیل این تحقیق داشت، بیان کرد.
این کسب موفقیت، گامی مهم در تحقیقات محاسبات کوانتومی است. با استفاده از این دستاورد، می‌توانیم شبیه‌سازهای کوانتومی تخصصی برای حل مسائل علمی که برای کامپیوترهای کلاسیک فراتر از حد ظرفیت هستند، توسعه دهیم.
