• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  Science >> Vetenskap >  >> Fysik
    Simulering av magnetisering i en Heisenberg kvantspinnkedja
    Kredit:Google LLC

    Den snabba utvecklingen av kvantsimulatorer gör det nu möjligt för dem att studera problem som tidigare varit begränsade till teoretisk fysik och numerisk simulering. Ett team av forskare vid Google Quantum AI och deras medarbetare visade denna nya förmåga genom att studera dynamiken i 1D-kvantmagneter, särskilt kedjor av spin-1⁄2-partiklar.



    De undersökte ett statistiskt mekaniskt problem som har varit i fokus de senaste åren:Kan en sådan 1D-kvantmagnet beskrivas med samma ekvationer som snö som faller och klumpar ihop sig?

    Det verkar konstigt att de två systemen skulle kopplas samman, men 2019 fann forskare vid universitetet i Ljubljana slående numeriska bevis som fick dem att anta att spindynamiken i spin-1⁄2 Heisenberg-modellen finns i Kardar-Parisi- Zhang (KPZ) universalitetsklass, baserad på skalningen av oändlig temperatur spin-spin-korrelationsfunktion.

    KPZ-ekvationen introducerades ursprungligen för att beskriva den stokastiska, olinjära dynamiken hos drivna gränssnitt och har visat sig gälla ett brett spektrum av klassiska system, såsom växande fronter av skogsbränder, som tillhör KPZ-universalitetsklassen. Det skulle vara förvånande om spin-1⁄2 Heisenberg-modellen var i denna universalitetsklass, som forskarna vid Ljubljana antar, eftersom den är linjär och icke-stokastisk, till skillnad från de andra systemen i denna klass.

    År 2022 började kvantsimuleringar belysa denna fråga med kalla atomexperiment utförda av forskare vid Max-Planck-Institut für Quantenoptik. Genom att studera avslappningen av en initial obalans i de magnetiska spinnen fann de experimentella bevis till stöd för denna gissning, som publicerades i Science år 2022.

    För att ytterligare utforska spindynamiken i den här modellen utnyttjade Google-samarbetet förmågan hos deras supraledande kvantprocessor att snabbt skaffa stora mängder experimentell data, vilket möjliggjorde en detaljerad studie av den underliggande statistiken.

    Närmare bestämt, med hjälp av en kedja av 46 supraledande qubits, mätte de sannolikhetsfördelningen av hur många snurr som korsade mitten av kedjan, en kvantitet som kallas den överförda magnetiseringen. Medelvärdet och variansen för denna fördelning visade beteende överensstämmande med att vara i KPZ-universalitetsklassen, i full överensstämmelse med resultaten från Max-Planck-Institut-gruppen.

    Simulerar magnetisering i en Heisenbergs kvantspinnkedja. Kredit:Google LLC

    Det var först när de noggrant undersökte det tredje (skevheten) och det fjärde (kurtosis) momentet av den överförda magnetiseringen som de fann tydliga avvikelser från förutsägelserna för KPZ-universalitetsklassen, vilket indikerar att gissningen inte håller på tidsskalorna som undersöktes i experimentet .

    Generellt sett är det extremt utmanande att mäta fördelningen av en stokastisk variabel med tillräcklig precision så att de högre momenten kan lösas med tillräcklig signal till brus; den behöver snabb sampling, hög kontrollnivå och, för kvantprocessorer, kvantkoherens. Detta arbete, publicerat i Science den 5 april 2024, representerar den aktuella spännande eran av kvantsimulering, där kvantprocessorer gör det möjligt att fördjupa vår förståelse av nya fysiska fenomen.

    Mer information: E. Rosenberg et al, Dynamics of magnetization at infinite temperature in a Heisenberg spin chain, Science (2024). DOI:10.1126/science.adi7877

    Journalinformation: Vetenskap

    Tillhandahålls av Google LLC




    © Vetenskap https://sv.scienceaq.com