二维自旋 1/2 模型中相变动力学的示意图。在初始顺磁状态（底部）中，自旋与横向磁场的方向对齐。然后，沿着排序方向测量该状态下的自旋配置通常会产生指向上方（蓝色锥体）或指向下方（红色锥体）的随机自旋模式。在量子临界点缓慢上升之后，系统发展铁磁畴的量子叠加，在沿有序方向测量自旋配置时，通常会在此类域的马赛克上产生坍缩（顶部）。在正面，我们将铁磁相关范围的增长作为从 t = −τ 开始的时间 t 的函数Q当斜坡穿过临界状态时，临界点位于t = 0。决定基布尔-祖雷克 （KZ） 机制中域大小的愈合长度 ξˆ 是在特征时间设置的∣∣t∣GS 超过系统中相关声音 c 的最大速度。学分： 科学进展 （2022）.DOI： 10.1126/sciadv.abl6850
在奥格斯堡大学的参与下，一个国际物理学家团队首次证实了量子物理学中一个重要的理论预测。对此的计算非常复杂，以至于到目前为止，即使对于超级计算机来说，它们也过于苛刻。然而，研究人员成功地使用机器学习领域的方法大大简化了它们。该研究提高了对量子世界基本原理的理解。它已发表在《科学进展》杂志上。
单个台球运动的计算相对简单。然而，预测容器中大量气体粒子的轨迹是困难的，这些气体粒子不断碰撞，被减慢和偏转，要困难得多。但是，如果甚至根本不清楚每个粒子的移动速度有多快，以至于它们在任何给定时间都会有无数可能的速度，而这些速度仅在概率上有所不同，那该怎么办？
量子世界的情况类似：量子力学粒子甚至可以同时具有所有潜在的可能性质。这使得量子力学系统的状态空间非常大。如果你的目标是模拟量子粒子如何相互作用，你必须考虑它们的完整状态空间。
“这非常复杂，”奥格斯堡大学物理研究所的Markus Heyl教授博士说。“计算工作量随着粒子数量的增加呈指数级增长。它有超过40个粒子，它已经如此之大，即使是最快的超级计算机也无法应对它。这是量子物理学的重大挑战之一。
神经网络使问题易于管理
为了简化这个问题，Heyl的团队使用了机器学习领域的方法——人工神经网络。有了这些，量子力学状态可以重新制定。“这使得它对于计算机来说是可管理的，”Heyl解释说。
使用这种方法，科学家们研究了一个重要的理论预测，到目前为止，这仍然是一个悬而未决的挑战 - 量子Kibble-Zurek机制。它描述了物理系统在所谓的量子相变下的动态行为。从宏观和更直观的世界相变的一个例子是从水到冰的过渡。另一个例子是磁体在高温下的消磁。
如果你反过来冷却材料，磁铁在低于一定的临界温度时再次开始形成。但是，这不会在整个材料中均匀地发生。相反，许多具有不同排列的北极和南极的小磁铁是同时产生的。因此，得到的磁铁实际上是许多不同，较小的磁铁的马赛克。物理学家还说它包含缺陷。
Kibble-Zurek机制预测了这些缺陷中有多少是可以预期的（换句话说，材料最终将由多少微型磁铁组成）。特别有趣的是，这些缺陷的数量是普遍的，因此与微观细节无关。因此，许多不同的材料的行为完全相同，即使它们的微观成分完全不同。
基布尔-祖雷克机制和大爆炸后星系的形成
基布尔-祖雷克机制最初是为了解释宇宙中结构的形成而引入的。在大爆炸之后，宇宙最初是完全均匀的，这意味着宿主物质是完全均匀分布的。很长一段时间以来，人们一直不清楚星系，太阳或行星是如何从这种均匀状态中形成的。
在这种情况下，基布尔-祖雷克机制提供了一个解释。随着宇宙的冷却，缺陷以类似于磁铁的方式发展。与此同时，宏观世界中的这些过程是众所周知的。但是有一种类型的相变尚无法验证该机制的有效性 - 即前面已经提到的量子相变。“它们只存在于-273摄氏度的绝对零度温度点，”Heyl解释说。“因此，相变不是在冷却过程中发生的，而是通过相互作用能量的变化 - 你可能会想到，也许，改变压力。
科学家们现在已经在超级计算机上模拟了这种量子相变。因此，他们能够首次证明基布尔-祖雷克机制也适用于量子世界。“这绝不是一个显而易见的结论，”奥格斯堡物理学家说。“我们的研究使我们能够更好地描述许多粒子的量子力学系统的动力学，从而更准确地理解控制这个奇异世界的规则。
更多信息：Markus Schmitt等人，二维横向场伊辛模型中的量子相变动力学，科学进展（2022）。DOI： 10.1126/sciadv.abl6850
期刊信息：科学进展
