← नवीनतम पेपर
🔬 mesoscale physics

Precision quantum simulation of magnon spectra and interactions

यह शोध पत्र एक 97-क्विबिट 2D XY स्पिन-1/2 मैग्नेट के उच्च-परिशुद्धता एनालॉग-डिजिटल क्वांटम सिमुलेशन की रिपोर्ट करता है, जिसने सफलतापूर्वक तापमान-निर्भर मैग्ना स्पेक्ट्रा और लाइफटाइम को निकाला है और साथ ही उन नॉनलीनर स्कैटरिंग मैकेनिज्म्स का लक्षण वर्णन किया है जो क्लासिकल मैट्रिक्स-प्रोडक्ट स्टेट विधियों की भविष्य कहने वाली क्षमताओं से परे हैं।

मूल लेखक: Trond I. Andersen, Nikita Astrakhantsev, Jeronimo Martinez, Will Morong, Johannes Motruk, Dario Rossi, Brayden Ware, Bryce Kobrin, Weijie Wu, Elizabeth Bennewitz, Manuel Rudolph, Tom Westerhout, Amira
प्रकाशित 2026-07-16
📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Trond I. Andersen, Nikita Astrakhantsev, Jeronimo Martinez, Will Morong, Johannes Motruk, Dario Rossi, Brayden Ware, Bryce Kobrin, Weijie Wu, Elizabeth Bennewitz, Manuel Rudolph, Tom Westerhout, Amira Abbas, Rajeev Acharya, Laleh Aghababaie Beni, Ross Alcaraz, Sayra Alcaraz, Markus Ansmann, Frank Arute, Kunal Arya, Walt Askew, Juan Atalaya, Christopher Ayala, Ryan Babbush, Brian Ballard, Joseph Bardin, Hector Bates, Andreas Bengtsson, Majid Bigdeli Karimi, Alexander Bilmes, Simon Bilodeau, Felix Borjans, Alexandre Bourassa, Jenna Bovaird, Dylan Bowers, Leon Brill, Peter Brooks, Michael Broughton, David Browne, Brett Buchea, Bob Buckley, Tim Burger, Brian Burkett, Jamal Busnaina, Nicholas Bushnell, Jonas Bylander, Anthony Cabrera, Juan Campero, Hung-Shen Chang, Silas Chen, Zijun Chen, Ben Chiaro, Liang-Ying Chih, Agnetta Cleland, Bryan Cochrane, Matt Cockrell, Josh Cogan, Paul Conner, Tom Connolly, Harold Cook, Rodrigo Cortinas, William Courtney, Alexander Crook, Benjamin Curtin, Adam Dally, Sayan Das, Martin Damyanov, Dripto Debroy, Himadri Dey, Stijn de Graaf, Laura De Lorenzo, Sean Demura, Lucia De Rose, Agustin Di Paolo, Leon Ding, Howard Dobbs, Paul Donohoe, Ebru Dogan, Ilya Drozdov, Andrew Dunsworth, Rasmus Edholm, Valerie Ehimhen, Alec Eickbusch, Aviv Elbag, Lior Ella, Mahmoud Elzouka, David Enriquez, Catherine Erickson, Lara Faoro, Vinicius Ferreira, Marcos Flores, Leslie Flores Burgos, Sam Fontes, Ebrahim Forati, Jeremiah Ford, Brooks Foxen, Masaya Fukami, Alan Fung, Lenny Fuste, Suhas Ganjam, Gonzalo Garcia, Christopher Garrick, Robert Gasca, Helge Gehring, Robert Geiger, Élie Genois, William Giang, Dar Gilboa, James Goeders, Edward Gonzales, Raja Gosula, Alejandro Grajales Dau, Dietrich Graumann, Joel Grebel, Alex Greene, Jonathan Gross, Jose Guerrero, Tan Ha., Steve Habegger, Tanner Hadick, Ali Hadjikhani, Michael Hamilton, Monica Hansen, Matthew Harrigan, Sean Harrington, Jeanne Hartshorn, Stephen Heslin, Paula Heu, Oscar Higgott, Reno Hiltermann, Jeremy Hilton, Hsin-Yuan Huang, Michael Hucka, Christopher Hudspeth, Ashley Huff, William Huggins, Aditya Jayaraman, Evan Jeffrey, Shaun Jevons, Zhang Jiang, Xiaoxuan Jin, Cody Jones, Chaitali Joshi, Kelsey Josund, Pavol Juhas, Andreas Kabel, Bharath Kannan, Hui Kang, Kiseo Kang, Amir Karamlou, Ryan Kaufman, Tanuj Khattar, Mostafa Khezri, Seon Kim, Paul Klimov, Can Knaut, Alexander Korotkov, Fedor Kostritsa, John Mark Kreikebaum, Ryuho Kudo, Arun Kumar, Ben Kueffler, Vladislav Kurilovich, Vitali Kutsko, Nathan Lacroix, Tiano Lange-Dei, Brandon Langley, Pavel Laptev, Kim-Ming Lau, Emma Leavell, Loïck Le Guevel, Justin Ledford, Joy Lee, Kenny Lee, Brian Lester, Wendy Leung, Matthew Lloyd, Lily Li, Wing Li, Ming Li, Alexander Lill, Mike Lindmark, William Livingston, Aditya Locharla, Erik Lucero, Daniel Lundahl, Aaron Lunt, Sid Madhuk, Donald Macaskill, Aniket Maiti, Ashley Maloney, Salvatore Mandra, Leigh Martin, Orion Martin, Eric Mascot, Paul Masih Das, Anselme Massimino, Melvin Mathews, Cameron Maxfield, Jarrod McClean, Matthew McEwen, Seneca Meeks, Anthony Megrant, Tim Menke, Kevin Miao, Zlatko Minev, Reza Molavi, Sebastian Molina, Shirin Montazeri, Akira Nakamura, Charles Neill, Konstantin Nesterov, Michael Newman, Roselle Ngaloy, Anthony Nguyen, Murray Nguyen, Chia-Hung Ni, Murphy Niu, Nicholas Noll, Sergey Novikov, Logan Oas, Ricky Oliver, Will Oliver, Raymond Orosco, Kristoffer Ottosson, Alice Pagano, Manan Patel, Sherman Peek, David Peterson, Alex Pizzuto, Thomas Plumb-Reyes, Elias Portoles, Rebecca Potter, Orion Pritchard, Sam Probst, Michael Qian, Chris Quintana, Matthew Rakher, Arpit Ranadive, Ganesh Ramachandran, Armin Razavi, Matthew Reagor, Rachel Resnick, David Rhodes, Daniel Riley, Gabrielle Roberts, Roberto Rodriguez, Emma Ropes, Eliott Rosenberg, Emma Rosenfeld, Dario Rosenstock, Elizabeth Rossi, Pedram Roushan, David Rower, Robert Salazar, Kannan Sankaragomathi, Murat Sarihan, Kevin Satzinger, Max Schaefer, Sebastian Schroeder, Henry Schurkus, Aria Shahingohar, Michael Shearn, Aaron Shorter, Shvarts Vladimir, Vlad Sivak, Spencer Small, W. Clarke Smith, David Sobel, Barrett Spells, Sofia Springer, George Sterling, Scott Stonemeyer, John Su, Jordan Suchard, Youngkyu Sung, Aaron Szasz, Alex Sztein, Tomoyuki Tanaka, Madeline Taylor, Jothi Thiruraman, Douglas Thor, Brandur Thorgrimsson, Dogan Timucin, Eifu Tomita, Alfredo Torres, M. Mert Torunbalci, Hao Tran, Abeer Vaishnav, Justin Vargas, Gopinath Vasalamarri, Sergey Vdovichev, Guifre Vidal, Benjamin Villalonga, Meghan Voorhees, Steven Waltman, Jonathan Waltz, Shannon Wang, Danni Wang, James Watson, Yonghua Wei, Travis Weidel, Theodore White, Kristi Wong, Bryan Woo, Christopher Wood, Maddy Woodson, Cheng Xing, Z. Jamie Yao, Ping Yeh, Bicheng Ying, Juhwan Yoo, Noureldin Yosri, Elliot Young, Grayson Young, Adam Zalcman, Ran Zhang, Yaxing Zhang, Yiqing Zhou, Ningfeng Zhu, Nicholas Zobrist, Zhenjie Zou, Sergio Boixo, Yu Chen, Julian Kelly, Hartmut Neven, Vadim Smelyanskiy, Dvir Kafri, L. B. Ioffe, Kostyantyn Kechedzhi, Xiao Mi, Dmitry Abanin

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप समझने की कोशिश कर रहे हैं कि एक जटिल मशीन कैसे काम करती है, जैसे कि एक विशाल, अदृश्य ऑर्केस्ट्रा जो एक सिम्फनी बजा रहा हो। भौतिकी की दुनिया में, यह "ऑर्केस्ट्रा" परमाणुओं नामक सूक्ष्म कणों से बना है, और वे जो संगीत बजाते हैं वह सामग्रियों का व्यवहार है—जैसे कि कुछ चीजें चुंबकीय क्यों होती हैं, अन्य बिना किसी प्रतिरोध के बिजली का संचालन क्यों करती हैं, या गर्म करने पर वे कैसे बदल जाती हैं। दशकों से, वैज्ञानिकों ने इन विशाल क्लासिकल कंप्यूटरों का उपयोग करके इस संगीत की भविष्यवाणी करने की कोशिश की है। लेकिन जब कण वास्तव में "क्वांटम" तरीकों से व्यवहार करने लगते हैं—जहाँ वे एक ही समय में कई स्थानों पर हो सकते हैं और एक-दूसरे से तुरंत संवाद कर सकते हैं—तो ये कंप्यूटर अभिभूत हो जाते हैं, जैसे कि एक कैलकुलेटर एक ऐसे पहेली को हल करने की कोशिश कर रहा हो जिसमें समुद्र तट पर रेत के हर कण को गिनने की आवश्यकता हो।

इसे हल करने के लिए, भौतिकविदों ने "क्वांटम सिम्युलेटर" बनाए हैं। इन्हें केवल कैलकुलेटर के रूप में नहीं, बल्कि वास्तविक चीज़ के छोटे, नियंत्रणीय संस्करणों के रूप में सोचें। स्क्रीन पर केवल गणित करने के बजाय, वे वास्तविक क्वांटम कणों (जैसे अत्यधिक ठंडे परमाणु या सुपरकंडक्टिंग सर्किट) का उपयोग वास्तविक भौतिकी को अभिनय करने के लिए करते हैं। यदि आप जानना चाहते हैं कि एक चुंबक कैसे व्यवहार करता है, तो आप इन क्वांटम कणों से एक छोटा चुंबक बनाते हैं और उन्हें नाचते हुए देखते हैं। बड़ी चुनौती इन सिम्युलेटरों को इतना सटीक बनाने में रही है कि वे संगीत के सूक्ष्म, जटिल स्वर सुन सकें, विशेष रूप से जब कण आपस में टकराने लगते हैं और नई, अव्यवस्थित अंतःक्रियाएं (interactions) पैदा करते हैं। यह शोध पत्र उस वाद्य यंत्र को इतनी पूर्णता से ट्यून करने के बारे में है कि हम पहली बार उन अव्यवस्थित स्वरों को स्पष्ट रूप से सुन सकें।

क्वांटम ऑर्केस्ट्रा और जादुई मैग्नॉन (Magnon)

इस अध्ययन में, Google Quantum AI की एक टीम और उनके सहयोगियों ने एक विशिष्ट प्रकार की चुंबकीय सामग्री का अनुकरण करने का निर्णय लिया: सूक्ष्म घूमते हुए कणों से बना एक 2D चुंबक। इस दुनिया में, इन कणों के "स्पिन्स" लहरें पैदा करते हैं, ठीक वैसे ही जैसे तालाब में लहरें उठती हैं। वैज्ञानिक इन लहरों को मैग्नॉन (magnons) कहते हैं। आप एक मैग्नॉन को स्पिन-वेव ऊर्जा के एक एकल, क्वांटाइज्ड पैकेट के रूप में समझ सकते हैं। जिस तरह एक फोटॉन प्रकाश का एक पैकेट है, मैग्नॉन चुंबकीय कंपन का एक पैकेट है।

शोधकर्ता दो चीजें करना चाहते थे: पहला, "लीनियर" (linear) प्रतिक्रिया को सुनना (कैसे एक अकेली लहर चलती है और फीकी पड़ती है), और दूसरा, यह देखना कि जब दो लहरें आपस में टकराती हैं तो क्या होता है (नॉन-लीनियर इंटरैक्शन)। समस्या यह है कि वास्तविक दुनिया में, इन लहरों को अलग करना और नियंत्रित करना अविश्वसनीय रूप से कठिन है। वे आमतौर पर पूरे सिस्टम के शोर में खो जाते हैं।

हाइब्रिड सुपर-प्रोसेसर

इससे निपटने के लिए, टीम ने "विलो" (Willow) नामक 97-क्यूबिट सुपरकंडक्टिंग प्रोसेसर का उपयोग किया। इस प्रोसेसर को 97 छोटे क्वांटम स्विचों (क्यूबिट्स) के एक विशाल, 2D ग्रिड के रूप में कल्पना करें। उन्होंने इन स्विचों को बेतहाशा नहीं छोड़ा; उन्होंने एक चतुर "एनालॉग-डिजिटल" ट्रिक का उपयोग किया।

एनालॉग भाग को एक गेंद को पहाड़ी से नीचे लुढ़कने देने की तरह स्वाभाविक रूप से विकसित होने देने के रूप में समझें। यह तेज़ और कुशल है लेकिन इसे सटीक रूप से नियंत्रित करना कठिन है। डिजिटल भाग एक मानव हाथ की तरह है जो विशिष्ट क्षणों पर गेंद को धकेलने के लिए हस्तक्षेप करता है। टीम ने इन दोनों को आपस में मिलाया: उन्होंने क्वांटम सिस्टम को एक क्षण के लिए विकसित होने दिया, फिर जल्दी से एक डिजिटल "धक्का" (गेट) डाला ताकि एक विशिष्ट मैग्नॉन लहर बनाई जा सके, और फिर इसे फिर से विकसित होने दिया। इसने उन्हें क्वांटम शोर के समुद्र में एक एकल, साफ लहर बनाने की अनुमति दी, जिसे करने में पिछली विधियाँ संघर्ष करती थीं।

खेल के नियम सीखना

अपने परिणामों पर भरोसा करने से पहले, उन्हें यह जानना था कि उनका क्वांटम प्रोसेसर वास्तव में कैसे व्यवहार कर रहा है। कोई भी मशीन पूर्ण नहीं होती; वह "पहाड़ी" जिस पर गेंद लुढ़कती है, उसमें अनपेक्षित छोटे उभार या ढलान हो सकते हैं। इसे ठीक करने के लिए, उन्होंने हैमिल्टोनियन लर्निंग (Hamiltonian learning) नामक तकनीक का उपयोग किया।

कल्पना कीजिए कि आप लोगों को खेलते हुए देखकर एक नए बोर्ड गेम के नियम सीखने की कोशिश कर रहे हैं। आप सटीक नियम नहीं जानते, लेकिन आप पैटर्न देख सकते हैं कि टुकड़े कहाँ समाप्त होते हैं। टीम ने अपने क्वांटम सिस्टम को चलाया, क्यूबिट्स के पैटर्न (बिटस्ट्रिंग्स) को देखा, और एक कंप्यूटर एल्गोरिदम का उपयोग किया ताकि वे सटीक नियमों (हैमिल्टोनियन) को "सीख" सकें जिनका वास्तव में उनका मशीन पालन कर रही थी। उन्होंने मुख्य इंटरेक्शन स्ट्रेंथ के लगभग 0.1% की सटीकता के साथ नियमों को सीखा। यह महत्वपूर्ण था क्योंकि इसका मतलब था कि वे जानते थे कि वे वास्तव में किसका अनुकरण कर रहे हैं, जिससे अनुमान लगाने की आवश्यकता समाप्त हो गई।

निष्कर्ष: लहरों को सुनना

एक बार जब नियम सीख लिए गए और सिस्टम को ट्यून कर दिया गया, तो उन्होंने अपने प्रयोग शुरू किए।

  1. लीनियर सिम्फनी (The Linear Symphony): उन्होंने एकल मैग्नॉन लहरें बनाईं और देखा कि वे कैसे चलती हैं और खत्म होती हैं। उन्होंने पाया कि इन लहरों का "जीवनकाल" इस बात पर बहुत अधिक निर्भर करता है कि वे ग्रिड में कहाँ स्थित हैं।

    • वैन होव सरप्राइज (The Van Hove Surprise): ग्रिड में कुछ विशेष बिंदुओं (जिन्हें वैन होव सिंगुलैरिटी कहा जाता है) के पास, लहरें बहुत तेज़ी से समाप्त हो जाती हैं। यह एक भीड़ भरे डांस फ्लोर से टकराने वाली लहर की तरह है जहाँ हर कोई उससे टकरा रहा है, जिससे वह तेज़ी से गायब हो जाती है।
    • एज इफेक्ट (The Edge Effect): इसके विपरीत, ग्रिड के किनारों या कोनों के पास रहने वाली लहरें आश्चर्यजनक रूप से लंबे समय तक जीवित रहीं। वे एक शांत कोने में रहने वाले नर्तकों की तरह थे, जो शायद ही किसी से टकराते हों। टीम ने पाया कि ये "कॉर्नर मोड्स" शेष सिस्टम से काफी हद तक अलग (decoupled) थे।

  2. नॉन-लीनियर टकराव (The Non-Linear Collision): इसके बाद, उन्होंने आवाज़ बढ़ा दी। उन्होंने केवल एक लहर को नहीं देखा; उन्होंने दो लहरों को आपस में टकराया ताकि यह देखा जा सके कि वे कैसे परस्पर क्रिया करती हैं।

    • उन्होंने पाया कि जब लहरें छोटी थीं, तो वे मुख्य रूप से बैकग्राउंड हीट (थर्मल मोड्स) से टकराकर बिखर जाती थीं।
    • लेकिन जब उन्होंने लहरों को बड़ा बनाया (एम्प्लीट्यूड बढ़ाया), तो एक नया "सेल्फ-स्कैटरिंग" चैनल खुल गया। लहरें स्वयं से टकराने लगीं।
    • एक "पंप-प्रोब" (pump-probe) तकनीक का उपयोग करते हुए (एक लहर को ज़ोर से मारना और देखना कि वह दूसरी कमज़ोर लहर को कैसे प्रभावित करती है), उन्होंने मानचित्रित किया कि कौन सी लहर किससे बात करती है। उन्होंने पाया कि कॉर्नर लहरें एक विशेष क्लब की तरह हैं: वे मुख्य रूप से एक-दूसरे से बात करती हैं और बाकी ग्रिड को नज़रअंदाज़ करती हैं।

क्लासिकल कंप्यूटर यह क्यों नहीं कर सके

यह शोध पत्र इस बारे में एक मजबूत तर्क देता है कि यह क्यों आवश्यक था। टीम ने मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) नामक विधि का उपयोग करके इन बिल्कुल समान प्रयोगों को क्लासिकल सुपरकंप्यूटरों का उपयोग करके सिम्युलेट करने की कोशिश की।

  • परिणाम: क्लासिकल सिमुलेशन तब बहुत अच्छा काम करते थे जब सिस्टम ठंडा या छोटा होता था। लेकिन जैसे-जैसे तापमान बढ़ा और सिस्टम बड़ा हुआ (97-क्यूबिट स्केल के करीब पहुँचा), क्लासिकल सिमुलेशन विफल हो गए। वे जटिल एंटैंगलमेंट (कणों के बीच "स्पूकी" कनेक्शन) को कैप्चर नहीं कर सके।
  • निष्कर्ष: पेपर सुझाव देता है कि अपने क्वांटम प्रयोग जितनी सटीकता प्राप्त करने के लिए, एक क्लासिकल कंप्यूटर को उन संसाधनों की आवश्यकता होगी जो तेजी से (exponentially) बढ़ते हैं—अनिवार्य रूप से, इसे इस आकार के सिस्टम को सिम्युलेट करने के लिए ब्रह्मांड में मौजूद कुल मेमोरी से भी अधिक मेमोरी की आवश्यकता होगी।

मुख्य निष्कर्ष

यह शोध पत्र यह दावा नहीं करता है कि इसने चुंबकत्व के सभी रहस्यों को सुलझा लिया है। इसके बजाय, यह वास्तविक समय में क्वांटम कणों की परस्पर क्रिया को देखने के एक नए, उच्च-सटीक तरीके को प्रदर्शित करता है। एनालॉग विकास को डिजिटल नियंत्रण के साथ जोड़कर और मशीन लर्निंग का उपयोग करके सिस्टम को ट्यून करके, वे मैग्नॉन के स्कैटरिंग, क्षय और परस्पर क्रिया को उस स्तर के विवरण के साथ मापने में सक्षम हुए जो क्लासिकल कंप्यूटर तक नहीं पहुँच सकते। उन्होंने दिखाया कि इन क्वांटम लहरों के अलग-अलग व्यक्तित्व होते हैं: कुछ सामाजिक तितलियाँ (social butterflies) हैं जो हर जगह बिखर जाती हैं, जबकि अन्य एकांतप्रिय (loners) हैं जो कोनों में रहती हैं। यह कार्य बताता है कि क्वांटम प्रोसेसर अब सूक्ष्म दुनिया के लिए शक्तिशाली सूक्ष्मदर्शी के रूप में कार्य करने के लिए तैयार हैं, जो हमें उन सामग्रियों को समझने में मदद करते हैं जो वर्तमान में हमारे सर्वश्रेष्ठ सुपरकंप्यूटरों के मॉडल करने के लिए बहुत जटिल हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🔬 cond-mat.mes-hall →