Zelfs op de schaal van het dagelijks leven, de natuur wordt beheerst door de wetten van de kwantumfysica. Deze wetten verklaren veelvoorkomende verschijnselen zoals licht, geluid, warmte, of zelfs de banen van ballen op een pooltafel. Maar wanneer toegepast op een groot aantal interagerende deeltjes, de wetten van de kwantumfysica voorspellen in feite een verscheidenheid aan verschijnselen die de intuïtie tarten.

Om kwantumsystemen gemaakt van veel deeltjes te bestuderen, natuurkundigen moeten ze eerst kunnen simuleren. Dit kan worden gedaan door de vergelijkingen op te lossen die hun innerlijke werking op supercomputers beschrijven. Maar terwijl de wet van Moore voorspelt dat de rekenkracht van computers om de paar jaar verdubbelt, dit is ver verwijderd van de kracht die nodig is om de uitdagingen van de kwantumfysica aan te gaan.

De reden is dat het voorspellen van de eigenschappen van een kwantumsysteem enorm complex is, een rekenkracht eisen die exponentieel groeit met de grootte van het kwantumsysteem - een "intrinsiek complexe" taak, volgens professor Vincenzo Savona, die het Laboratory of Theoretical Physics of Nanosystems bij EPFL leidt.

"Het wordt nog ingewikkelder als het kwantumsysteem open is, wat betekent dat het onderhevig is aan de verstoringen van zijn omgeving, " voegt Savona toe. En toch, tools om open kwantumsystemen efficiënt te simuleren zijn hard nodig, aangezien de meeste moderne experimentele platforms voor kwantumwetenschap en technologie open systemen zijn, en natuurkundigen zijn voortdurend op zoek naar nieuwe manieren om ze te simuleren en te benchmarken.

Maar er is aanzienlijke vooruitgang geboekt dankzij een nieuwe rekenmethode die kwantumsystemen simuleert met neurale netwerken. De methode is ontwikkeld door Savona en zijn Ph.D. student Alexandra Nagy bij EPFL - en onafhankelijk door wetenschappers aan de Université Paris Diderot, de Heriot-Watt Universiteit in Edinburgh, en het Flatiron Institute in New York. Het totale oeuvre wordt gepubliceerd in drie kranten in Fysieke beoordelingsbrieven .

"We combineerden in feite vooruitgang in neurale netwerken en machine learning met quantum Monte Carlo-tools, " zegt Savona, verwijzend naar een grote toolkit van computationele methoden die natuurkundigen gebruiken om complexe kwantumsystemen te bestuderen. De wetenschappers hebben een neuraal netwerk getraind om tegelijkertijd de vele kwantumtoestanden weer te geven waarin een kwantumsysteem kan worden gegoten door de invloed van zijn omgeving.

De neurale netwerkbenadering stelde de natuurkundigen in staat om de eigenschappen van kwantumsystemen van aanzienlijke omvang en willekeurige geometrie te voorspellen. "Dit is een nieuwe computationele benadering die het probleem van open kwantumsystemen aanpakt met veelzijdigheid en veel potentieel voor opschaling, ", zegt Savona. De methode zal een instrument bij uitstek worden voor de studie van complexe kwantumsystemen, en, wat meer in de toekomst kijken, voor het beoordelen van de effecten van ruis op kwantumhardware.