I ricercatori di Bristol sviluppano un algoritmo per formulare sistemi quantistici

"Poiché i modelli hamiltoniani sono alla base dello studio e dell'analisi dei processi fisici e chimici, lo è fondamentale che siano fedeli al sistema che rappresentano ", affermano i ricercatori," tuttavia, formulare e testare Hamiltoniane candidate per sistemi quantistici a partire da dati sperimentali è difficile, perché non è possibile osservare direttamente quali interazioni sono presenti ".

"Qui proponiamo e dimostriamo un protocollo automatizzato per superare questa sfida progettando un agente che sfrutti l'apprendimento automatico senza supervisione. Per prima cosa mostriamo le capacità del nostro approccio di dedurre l'Hamiltoniano corretto quando si studia la configurazione di un centro di vacanza di azoto. Nelle simulazioni preliminari, il modello esatto è noto ed è correttamente dedotto con percentuali di successo fino al 59%. "

"Quando si utilizzano dati sperimentali, il 74% delle istanze di protocollo recupera modelli ritenuti plausibili. Sistemi multi-spin simulati, caratterizzati da uno spazio di 10¹⁰ possibili modelli, vengono anche studiati incorporando un algoritmo genetico nel nostro protocollo, che identifica il modello target nell'85% dei casi. "

"Lo sviluppo di agenti automatizzati, in grado di formulare e testare ipotesi di modellazione da ipotesi precedenti limitate, rappresenta un passo fondamentale verso la caratterizzazione di grandi sistemi quantistici."

L'algoritmo potrebbe essere utilizzato per aiutare la caratterizzazione automatizzata di nuovi dispositivi, come i sensori quantistici.

“Combinando la potenza dei supercomputer odierni con l'apprendimento automatico, siamo stati in grado di scoprire automaticamente la struttura nei sistemi quantistici. Man mano che nuovi computer / simulatori quantistici diventano disponibili, l'algoritmo diventa più entusiasmante: prima può aiutare a verificare le prestazioni del dispositivo stesso, quindi sfruttare quei dispositivi per comprendere sistemi sempre più grandi ", afferma il ricercatore Brian Flynn.