Precision quantum simulation of magnon spectra and interactions

Stellen Sie sich vor, Sie versuchen zu verstehen, wie eine komplexe Maschine funktioniert, wie ein riesiges, unsichtbares Orchester, das eine Sinfonie spielt. In der Welt der Physik ist dieses „Orchester“ aus winzigen Teilchen namens Atomen aufgebaut, und die Musik, die sie spielen, ist das Verhalten von Materialien – warum manche Dinge magnetisch sind, warum andere Elektrizität ohne Widerstand leiten oder wie sie sich verändern, wenn sie erhitzt werden. Jahrzehntelang haben Wissenschaftler versucht, diese Musik mit riesigen klassischen Computern vorherzusagen. Aber wenn die Teilchen anfangen, wahrhaft „quantenhaft“ zu agieren – wenn sie an vielen Orten gleichzeitig sein können und instantan miteinander kommunizieren –, werden diese Computer überfordert, wie ein Taschenrechner, der versucht, ein Rätsel zu lösen, das das Zählen jedes einzelnen Sandkorns an einem Strand erfordert.

Um dies zu lösen, haben Physiker „Quantensimulatoren“ gebaut. Betrachten Sie diese nicht als Taschenrechner, sondern als winzige, kontrollierbare Versionen des Originals. Anstatt nur Mathematik auf einem Bildschirm zu betreiben, nutzen sie echte Quantenteilchen (wie supergekühlte Atome oder supraleitende Schaltkreise), um die Physik nachzuspielen. Wenn Sie wissen wollen, wie sich ein Magnet verhält, bauen Sie einen winzigen Magneten aus diesen Quantenteilchen und beobachten ihn beim Tanzen. Die große Herausforderung bestand darin, diese Simulatoren präzise genug zu stimmen, damit sie die leisen, komplexen Noten der Musik hören können, besonders wenn die Teilchen beginnen, gegeneinander zu stoßen und neue, chaotische Wechselwirkungen zu erzeugen. Diese Arbeit handelt davon, dieses Instrument endlich so perfekt zu stimmen, dass wir diese chaotischen Noten zum ersten Mal klar hören können.

---

Das Quanten-Orchester und das magische Magnon

In dieser Studie beschloss ein Team von Google Quantum AI und ihren Kooperationspartnern, eine spezifische Art von magnetischem Material zu simulieren: einen 2D-Magneten, der aus winzigen, rotierenden Teilchen besteht. In dieser Welt erzeugen die „Spins“ dieser Teilchen Wellen, ganz ähnlich wie Kräuselwellen auf einem Teich. Wissenschaftler nennen diese Wellen Magnonen. Man kann sich ein Magnon als ein einzelnes, quantisiertes Paket von Spinwellen-Energie vorstellen. Genau wie ein Photon ein Paket Licht ist, ist ein Magnon ein Paket magnetischer Vibration.

Die Forscher wollten zwei Dinge tun: erstens die „lineare“ Antwort beobachten (wie eine einzelne Welle sich bewegt und abklingt) und zweitens beobachten, was passiert, wenn sie zwei Wellen zusammenprallen lassen (nicht-lineare Wechselwirkungen). Das Problem ist, dass diese Wellen in der realen Welt unglaublich schwer zu isolieren und zu kontrollieren sind. Sie gehen normalerweise im Rauschen des gesamten Systems verloren.

Der hybride Super-Prozessor

Um dies anzugehen, nutzte das Team einen 97-Qubit-Supraleiter-Prozessor namens „Willow“. Stellen Sie sich diesen Prozessor als ein riesiges, 2D-Gitter aus 97 winzigen Quantenschaltern (Qubits) vor. Sie ließen diese Schalter nicht einfach wild herumspielen; sie nutzten einen cleveren „Analog-Digital“-Trick.

Betrachten Sie den analogen Teil als das natürliche Abspielen des Systems, so wie ein Ball einen Hügel hinunterrollt. Dies ist schnell und effizend, aber schwer präzise zu kontrollieren. Der digitale Teil ist wie eine menschliche Hand, die eingreift, um den Ball in bestimmten Momenten anzustupsen. Das Team verflocht diese beiden Methoden: Sie ließen das Quantensystem für einen Moment evolvieren, injizierten dann schnell einen digitalen „Anstoß“ (ein Gate), um eine spezifische Magnonen-Welle zu erzeugen, und ließen es dann erneut evolvieren. Dies ermöglichte es ihnen, eine einzige, saubere Welle in einem Meer aus Quantenrauschen zu erzeugen – etwas, woran frühere Methoden scheiterten.

Die Regeln des Spiels lernen

Bevor sie ihren Ergebnissen trauen konnten, mussten sie genau wissen, wie sich ihr Quantenprozessor verhält. Keine Maschine ist perfekt; der „Hügel“, über den der Ball rollt, könnte winzige Unebenheiten oder Steigungen haben, die sie nicht erwartet hatten. Um dies zu korrigieren, verwendeten sie eine Technik namens Hamiltonian Learning.

Stellen Sie sich vor, Sie versuchen, die Regeln eines neuen Brettspiels zu lernen, indem Sie Menschen beim Spielen beobachten. Sie kennen die genauen Regeln nicht, aber Sie sehen die Muster, an denen die Spielfiguren landen. Das Team ließ ihr Quantensystem laufen, beobachtete die Muster der Qubits (die „Bitstrings“) und nutzte einen Computer-Algorithmus, um die exakten Regeln (den Hamiltonian) zu „lernen“, denen die Maschine tatsächlich folgte. Sie lernten die Regeln mit einer Präzision von etwa 0,1 % der Hauptwechselwirkung. Dies war entscheidend, da es bedeutete, dass sie genau wussten, was sie simulierten, wodurch jegliches Raten vermieden wurde.

Die Ergebnisse: Das Lauschen auf die Wellen

Nachdem die Regeln gelernt und das System abgestimmt waren, begannen sie mit ihren Experimenten.

1. Die lineare Sinfonie: Sie erzeugten einzelne Magnonen-Wellen und beobachteten, wie sie sich bewegten und abklangen. Sie fanden heraus, dass die „Lebensdauer“ dieser Wellen stark davon abhängt, wo sie sich im Gitter befinden.

   • Die Van-Hove-Überraschung: In der Nähe bestimmter spezieller Punkte im Gitter (genannt Van-Hove-Singularitäten) klangen die Wellen sehr schnell ab. Es ist, als würde eine Welle auf eine volle Tanzfläche treffen, auf der jeder gegen sie stößt, was dazu führt, dass sie schnell verschwindet.
   • Der Randeffekt: Umgekehrt waren Wellen, die in der Nähe der Kanten oder Ecken des Gitters lebten, überraschend langlebig. Sie waren wie Tänzer in einer ruhigen Ecke, die kaum mit jemandem zusammenstoßen. Das Team fand heraus, dass diese „Ecken-Modi“ (Corner Modes) hochgradig entkoppelt vom Rest des Systems waren.

2. Die nicht-lineare Kollision: Als Nächstes drehten sie die Lautstärke auf. Sie beobachteten nicht nur eine Welle; sie ließen zwei Wellen zusammenprallen, um zu sehen, wie sie interagieren.

   • Sie entdeckten, dass die Wellen klein waren, hauptsächlich an der Hintergrundwärme (thermische Moden) gestreut wurden.
   • Aber als sie die Wellen größer machten (die Amplitude erhöhten), öffnete sich ein neuer Kanal für die „Selbst-Streuung“ (Self-Scattering). Die Wellen begannen, mit sich selbst zu kollidieren.
   • Mithilfe einer „Pump-Probe“-Technik (man schlägt eine Welle hart an und beobachtet, wie sie eine schwächere Welle beeinflusst) kartierten sie genau, welche Wellen mit welchen kommunizieren. Sie fanden heraus, dass die Ecken-Wellen ein exklusiver Club waren: Sie sprachen hauptsächlich untereinander und ignorierten den Rest des Gitters.

Warum klassische Computer dies nicht konnten

Das Paper stellt ein starkes Argument dafür auf, warum dies notwendig war. Das Team versuchte, dieselben Experimente mit klassischen Supercomputern mithilfe einer Methode namens Matrix Product States (MPS) zu simulieren.

• Das Ergebnis: Die klassischen Simulationen funktionierten gut, wenn das System kalt oder klein war. Aber als die Temperatur stieg und das System größer wurde (sich der Skala von 97 Qubits näherte), versagten die klassischen Simulationen. Sie konnten die komplexe Verschränkung (die „spukhaften“ Verbindungen zwischen den Teilchen) nicht erfassen, die stattfand.
• Das Fazit: Das Paper legt nahe, dass ein klassischer Computer, um die gleiche Genauigkeit wie ihr Quantenexperiment zu erreichen, Ressourcen bräuchte, die exponentiell wachsen – im Grunde bräuchte er mehr Speicher, als im Universum existiert, um ein System dieser Größe bei diesen Temperaturen zu simulieren.

Das Resümee

Dieses Paper behauptet nicht, alle Geheimnisse des Magnetismus gelöst zu haben. Stattdessen demonstriert es eine neue, hochpräzise Methode, um Quantenteilchen in Echtzeit interagieren zu sehen. Durch die Kombination von analoger Evolution mit digitaler Kontrolle und dem Einsatz von maschinellem Lernen zur Abstimmung des Systems konnten sie messen, wie Magnonen streuen, zerfallen und interagieren – mit einem Detailgrad, den klassische Computer schlichtweg nicht erreichen können. Sie zeigten, dass diese Quantenwellen unterschiedliche Persönlichkeiten haben: Einige sind soziale Schmetterlinge, die überall streuen, während andere Einsiedler sind, die in den Ecken bleiben. Diese Arbeit deutet darauf hin, dass Quantenprozessoren nun bereit sind, als leistungsstarke Mikroskope für die mikroskopische Welt zu fungieren und uns zu helfen, Materialien zu verstehen, die für unsere besten Supercomputer derzeit zu komplex zu modellieren sind.