Los físicos están (temporalmente) aumentando la realidad para descifrar el código de los sistemas cuánticos.

Predecir las propiedades de una molécula o material requiere calcular el comportamiento colectivo de sus electrones. Estas predicciones podrían algún día ayudar a los investigadores a desarrollar nuevos productos farmacéuticos o diseñar materiales con propiedades buscadas como la superconductividad. El problema es que los electrones pueden enredarse "mecánicamente cuánticamente" entre sí, lo que significa que ya no pueden tratarse individualmente. La enredada red de conexiones se vuelve absurdamente difícil de desentrañar incluso para las computadoras más poderosas para cualquier sistema con más de un puñado de partículas.

Ahora, los físicos cuánticos del Centro de Física Cuántica Computacional (CCQ) del Instituto Flatiron en la ciudad de Nueva York y la École Polytechnique Fédérale de Lausanne (EPFL) en Suiza han eludido el problema. Crearon una forma de simular el entrelazamiento agregando a sus cálculos electrones "fantasmas" adicionales que interactúan con los electrones reales del sistema.

En el nuevo enfoque, el comportamiento de los electrones agregados está controlado por una técnica de inteligencia artificial llamada red neuronal. La red realiza ajustes hasta que encuentra una solución precisa que se puede proyectar de vuelta al mundo real, recreando así los efectos del enredo sin los obstáculos computacionales que lo acompañan.

Los físicos presentan su método el 3 de agosto en las Proceedings of the National Academy of Sciences .

"Puedes tratar a los electrones como si no hablaran entre sí, como si no estuvieran interactuando", dice el autor principal del estudio, Javier Robledo Moreno, estudiante de posgrado en el CCQ y la Universidad de Nueva York. "Las partículas adicionales que estamos agregando están mediando las interacciones entre las reales que viven en el sistema físico real que estamos tratando de describir".

En el nuevo artículo, los físicos demuestran que su enfoque iguala o supera a los métodos de la competencia en sistemas cuánticos simples.

"Aplicamos esto a cosas simples como un banco de pruebas, pero ahora estamos llevando esto al siguiente paso y probándolo en moléculas y otros problemas más realistas", dice el coautor del estudio y director de CCQ, Antoine Georges. "Esto es importante porque si tienes una buena forma de obtener las funciones de onda de moléculas complejas, puedes hacer todo tipo de cosas, como diseñar fármacos y materiales con propiedades específicas".

El objetivo a largo plazo, dice Georges, es permitir a los investigadores predecir computacionalmente las propiedades de un material o molécula sin tener que sintetizarlo y probarlo en un laboratorio. Podrían, por ejemplo, ser capaces de probar una gran cantidad de moléculas diferentes para una propiedad farmacéutica deseada con solo unos pocos clics del mouse. "La simulación de moléculas grandes es un gran problema", dice Georges.

Robledo Moreno y Georges fueron coautores del artículo con el profesor asistente de física de la EPFL, Giuseppe Carleo, y el investigador del CCQ, James Stokes.

El nuevo trabajo es una evolución de un artículo de 2017 en Science por Carleo y Matthias Troyer, quien actualmente es técnico en Microsoft. Ese documento también combinó redes neuronales con partículas ficticias, pero las partículas agregadas no eran electrones en toda regla. En cambio, solo tenían una propiedad conocida como giro.

"Cuando estaba [en el CCQ] en Nueva York, estaba obsesionado con la idea de encontrar una versión de red neuronal que describiera la forma en que se comportan los electrones, y realmente quería encontrar una generalización del enfoque que presentamos en 2017. ", dice Carleo. "Con este nuevo trabajo, finalmente hemos encontrado una forma elegante de tener partículas ocultas que no son espines sino electrones". + Explora más

El equipo crea un algoritmo cuántico innovador