Una ilustración de la red neuronal utilizada para predecir el estado de un sistema cuántico abierto. Crédito:A. Nagy y A. Anelli. Crédito:EPFL
Incluso en la escala de la vida cotidiana, la naturaleza se rige por las leyes de la física cuántica. Estas leyes explican fenómenos comunes como la luz, sonido, calor, o incluso las trayectorias de las bolas en una mesa de billar. Pero cuando se aplica a una gran cantidad de partículas que interactúan, las leyes de la física cuántica en realidad predicen una variedad de fenómenos que desafían la intuición.
Para estudiar sistemas cuánticos hechos de muchas partículas, los físicos primero deben poder simularlos. Esto se puede hacer resolviendo las ecuaciones que describen su funcionamiento interno en supercomputadoras. Pero mientras que la Ley de Moore predice que la capacidad de procesamiento de las computadoras se duplica cada dos años, esto está muy lejos de la potencia necesaria para abordar los desafíos de la física cuántica.
La razón es que predecir las propiedades de un sistema cuántico es enormemente complejo, exigiendo un poder computacional que crece exponencialmente con el tamaño del sistema cuántico, una tarea "intrínsecamente compleja", según el profesor Vincenzo Savona, quien dirige el Laboratorio de Física Teórica de Nanosistemas de la EPFL.
"Las cosas se vuelven aún más complicadas cuando el sistema cuántico está abierto, lo que significa que está sujeto a las perturbaciones de su entorno circundante, ", Añade Savona. Y, sin embargo, Las herramientas para simular de manera eficiente sistemas cuánticos abiertos son muy necesarias, dado que la mayoría de las plataformas experimentales modernas para la ciencia y la tecnología cuánticas son sistemas abiertos, y los físicos buscan constantemente nuevas formas de simularlos y compararlos.
Pero se ha logrado un progreso significativo gracias a un nuevo método computacional que simula sistemas cuánticos con redes neuronales. El método fue desarrollado por Savona y su Ph.D. estudiante Alexandra Nagy en EPFL, e independientemente por científicos de la Université Paris Diderot, la Universidad Heriot-Watt de Edimburgo, y el Flatiron Institute de Nueva York. El cuerpo total del trabajo se publica en tres artículos en Cartas de revisión física .
"Básicamente, combinamos los avances en redes neuronales y aprendizaje automático con herramientas cuánticas de Monte Carlo, "dice Savona, refiriéndose a un gran conjunto de herramientas de métodos computacionales que los físicos utilizan para estudiar sistemas cuánticos complejos. Los científicos entrenaron una red neuronal para representar simultáneamente los muchos estados cuánticos en los que un sistema cuántico puede ser proyectado por la influencia de su entorno.
El enfoque de la red neuronal permitió a los físicos predecir las propiedades de sistemas cuánticos de tamaño considerable y geometría arbitraria. “Este es un enfoque computacional novedoso que aborda el problema de los sistemas cuánticos abiertos con versatilidad y mucho potencial para escalar, ", dice Savona. El método se convertirá en una herramienta de elección para el estudio de sistemas cuánticos complejos, y, mirando un poco más hacia el futuro, para evaluar los efectos del ruido en el hardware cuántico.