Finite-state automata for exact matrix product operators of tight-binding Hamiltonians: fractals, quasicrystals, trees and hyperbolic lattices

Imagina intentar comprender el comportamiento de los electrones que se mueven a través de un material. En los modelos más simples, los científicos imaginan estos electrones saltando de un átomo al siguiente en una cuadrícula, de forma muy parecida a un viajero que se desplaza entre ciudades en un mapa. Este modelo de "enlace fuerte" (tight-binding) es una herramienta fundamental para entender cómo fluye la electricidad, cómo los materiales conducen el calor y por qué algunas sustancias se vuelven magnéticas. Durante décadas, este modelo funcionó mejor en patrones regulares y repetitivos, como los cuadrados perfectos de un suelo pavimentado. Pero la naturaleza rara vez es tan ordenada. Los electrones también viajan a través de materiales con patrones extraños que se repiten pero nunca son exactamente iguales, o a través de formas que se repiten a sí mismas en cada escala, como una costa o un copo de nieve. Estas geometrías complejas —fractales, cuasicristales y estructuras en forma de árbol— crean comportamientos electrónicos exóticos que las cuadrículas regulares no pueden explicar. Sin embargo, estudiar estas estructuras ha sido una pesadilla para las computadoras. A medida que aumenta el número de átomos en una simulación, la memoria necesaria para mapear cada posible trayectoria de un electrón se dispara, sobrepasando rápidamente incluso a las supercomputadoras más potentes.

Un equipo de investigadores ha encontrado ahora una forma de domar esta complejidad. Han desarrollado un nuevo método para describir estos complicados mapas de electrones utilizando un truco ingenioso tomado de la forma en que las computadoras procesan el lenguaje. En lugar de intentar almacenar una lista masiva y detallada de cada conexión individual entre átomos, construyeron un sistema compacto basado en reglas que captura la estructura completa del material en una cantidad mínima de espacio digital. Este sistema les permite simular materiales con miles de millones de átomos, una escala que antes era imposible de alcanzar con cálculos exactos. Al combinar esta nueva herramienta con una técnica estándar para analizar los niveles de energía, pudieron calcular las propiedades electrónicas de estas extrañas redes con alta precisión, revelando cómo se comportan los electronas en entornos que van desde los patrones autosimilares de los fractales hasta las expansiones curvas e infinitas del espacio hiperbólico.

El núcleo de este avance reside en cómo los investigadores organizaron la información sobre la forma del material. En una simulación informática estándar, la memoria necesaria para describir un sistema suele crecer en proporción directa al número de átomos. Si duplicas el tamaño del material, aproximadamente duplicas la memoria necesaria. Pero para las formas complejas estudiadas aquí, la memoria necesaria típicamente crecería tan rápido que una simulación de un sistema grande requeriría más almacenamiento del que existe en la Tierra. Los investigadores se dieron cuenta de que estas formas específicas —fractales, cuasicristales y árboles— se construyen mediante reglas recursivas. Esto significa que la estructura completa está hecha de copias más pequeñas de sí misma, apiladas de una manera predecible. Codificaron estas reglas en una máquina simple, similar a un semáforo que cambia su estado basándose en los coches que pasan, pero en este caso, la máquina rastrea la posición de un electrón a medida que se mueve a través de las capas de la construcción del material.

Esta máquina, que los autores llaman autómata de estados finitos, actúa como un plano. No enumera cada uno de los átomos. En su lugar, contiene un pequeño conjunto de instrucciones que le dicen a la computadora cómo generar las conexiones entre los átomos a medida que avanza de un nivel de la estructura al siguiente. Debido a que las reglas para construir estas formas son finitas y repetibles, la máquina solo necesita un número fijo y pequeño de estados internos para describir todo el sistema, sin importar cuán grande sea. Los investigadores tradujeron esta máquina a una estructura matemática conocida como operador de producto de matrices. En términos sencillos, esto es una forma de escribir las reglas del movimiento del electrón como una cadena de bloques pequeños y conectados. El tamaño de estos bloques depende únicamente de la complejidad de las reglas de la forma, no del número total de átomos. Esto significa que, incluso si la simulación contiene miles de millones de sitios, la computadora solo necesita almacenar una cantidad manejable de datos para describir el Hamiltoniano, que es el objeto matemático que dicta cómo se mueven e interactúan los electrones.

Para probar su método, el equipo lo aplicó a una gran variedad de geometrías desafiantes. Comenzaron con las familiares cuadrículas cuadradas y triangulares para asegurar que su método funcionara correctamente, luego pasaron al tapete de Sierpiński, una famosa forma fractal donde un cuadrado se divide repetidamente en nueve cuadrados más pequeños con el centro eliminado. También simularon una cadena de Fibonacci, una línea unidimensional de átomos dispuestos en un patrón que nunca se repite pero sigue una regla estrica, y su extensión bidimensional. Finalmente, abordaron los árboles de Cayley, que son estructuras ramificadas que crecen hacia afuera desde un punto central, y redes hiperbólicas, que son cuadrículas que se curvan hacia adentro como una silla de montar, permitiendo un crecimiento exponencial en el número de conexiones a medida que te alejas del centro. En cada caso, el método produjo una descripción exacta de las reglas del sistema sin necesidad de escribir nunca la lista completa de conexiones.

Una vez codificadas las reglas, los investigadores utilizaron una técnica llamada método de polinomio de núcleo para calcular las propiedades espectrales de estos materiales. Este enfoque permite determinar los niveles de energía disponibles para los electrones y cómo estos se distribuyen a través del material, sin tener que resolver todo el sistema a la vez. Para el tapete de Sierpiński, simularon un sistema con más de 200,000 sitios y encontraron que las ondas de los electrones permanecían extendidas por la estructura, sin mostrar signos de quedarse atrapadas en un solo lugar. También observaron una cadena de Fibonacci con casi 200,000 sitios y notaron los intrincados patrones de energía característicos de los cuasicristales, donde la densidad electrónica varía de una manera compleja y no repetitiva. En el caso de la red hiperbólica, que modelaron como un árbol de Cayley 3 en la generación n = 10, pudieron mapear cómo el desorden en el material afecta el flujo de los electrones, mostrando que la simetría de la estructura se preserva incluso cuando el entorno es caótico.

La importancia de este trabajo es que proporciona una forma unificada de estudiar una amplia clase de materiales que antes eran demasiado difíciles de simular con exactitud. Antes de esto, los investigadores a menudo tenían que depender de aproximaciones o solo podían estudiar versiones muy pequeñas de estos sistemas, lo que podría pasar por alto comportamientos importantes a gran escala. Al utilizar este nuevo método, ahora pueden explorar las propiedades electrónicas de estas redes complejas en tamaños exponencialmente mayores de lo que era posible anteriormente. El método es particularmente poderoso porque es exacto; no descarta información ni hace conjeturas sobre el comportamiento del sistema. Simplemente encuentra una forma más eficiente de escribir las reglas. Esto abre la puerta a explorar cómo se comportan los electrones en geometrías no euclidianas, que son cada vez más relevantes a medida que los científicos construyen nuevos tipos de simuladores cuánticos utilizando luz, circuitos y arreglos de átomos.

Los investigadores también señalaron que, si bien su método funciona perfectamente para las formas que estudiaron, depende del hecho de que estas formas se construyen a partir de reglas simples y repetitivas. Si un material tiene una estructura que no sigue un patrón tan claro, este enfoque específico podría no funcionar tan bien. Sin embargo, para la vasta familia de redes con estructura recursiva, el método ofrece una nueva y poderosa lente. Permite a los científicos hacer preguntas sobre las propiedades electrónicas de materiales con miles de millones de átomos, una escala que es relevante para comprender dispositivos del mundo real y para diseñar nuevos materiales con propiedades a medida. La capacidad de simular estos sistemas de forma exacta significa que las predicciones hechas por la computadora son tan fiables como las propias leyes de la física, proporcionando una base sólida para futuros experimentos y descubrimientos en el ámbito de la materia cuántica.