Neural quantum states for non-Abelian lattice gauge theories with dynamical fermions

कल्पना कीजिए कि ब्रह्मांड एक विशाल, ब्रह्मांडीय वीडियो गेम है जहाँ नियम "गेज थ्योरी" (gauge theory) नामक एक भाषा में लिखे गए हैं। इस खेल में, कण केवल इधर-उधर टकराने वाली छोटी गेंदें नहीं हैं; वे लगातार अदृश्य क्षेत्रों (fields) के साथ परस्पर क्रिया कर रहे हैं जो रबर बैंड की तरह खिंचते और मुड़ते हैं। ये क्षेत्र परमाणु नाभिक को एक साथ जोड़ने वाले "गोंद" (glue) की तरह हैं, और यह समझना कि वे कैसे व्यवहार करते हैं, पदार्थ के रहस्यों को खोलने की कुंजी है। हालाँकि, इसमें एक पेंच है: जब ये क्षेत्र बहुत मजबूत हो जाते हैं और कण बहुत तेज़ गति से चलने लगते हैं, तो गणित इतना अविश्वसनीय रूप से जटिल हो जाता है कि दुनिया के सबसे तेज़ सुपरकंप्यूटर भी अटक जाते हैं। यह एक ऐसे तूफान में मौसम की भविष्यवाणी करने जैसा है जहाँ हवा का हर झोंका भौतिकी के नियमों को बदल देता है। दशकों से, वैज्ञानिक इन "स्ट्रॉन्गली कपल्ड" (strongly coupled) प्रणालियों का अनुकरण करने के लिए संघर्ष कर रहे हैं क्योंकि एक कुख्यात गणितीय त्रुटि जिसे "साइन प्रॉब्लम" (sign problem) कहा जाता है, गणनाओं को क्रैश कर देती है या निरर्थक उत्तर देती है।

यहाँ शोधकर्ताओं की एक नई टीम आई है जिन्होंने इस समस्या को अधिक बल (brute force) के साथ नहीं, बल्कि आर्टिफिशियल इंटेलिजेंस की दुनिया से उधार ली गई एक चतुर तकनीक के साथ हल करने का निर्णय लिया। उन्होंने इस ब्रह्मांडीय खेल के एक विशिष्ट, जटिल संस्करण का अध्ययन करने के लिए एक डिजिटल प्रयोगशाला बनाई: बिंदुओं का एक ग्रिड जहाँ "गोंद" कण (गेज फील्ड्स) "पदार्थ" कणों (फर्मियन्स) के साथ परस्पर क्रिया करते हैं। उनका लक्ष्य "ग्राउंड स्टेट" (ground state) खोजना था—इस प्रणाली का सबसे स्थिर, निम्नतम-ऊर्जा वाला विन्यास, जो हमें बताता है कि चीजें शांत होने पर प्रकृति कैसे व्यवस्थित होती है। न्यूरल नेटवर्क (वही तकनीक जो चैटबॉट्स और इमेज जनरेटर के पीछे है) की शक्ति को एक स्मार्ट गणितीय शॉर्टकट के साथ जोड़कर, वे इन क्वांटम गणनाओं के तूफानी समुद्रों में बिना रास्ता भटके नेविगेट करने में सफल रहे। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने परिदृश्य का मानचित्र तैयार किया, यह दिखाया कि बलों की ताकत को बदलने पर सिस्टम कैसे बदलता है, और अपने तरीके की प्रभावशीलता को ज्ञात, सरल मामलों के विरुद्ध मिलान करके सिद्ध किया।

डिजिटल जासूस और क्वांटम पहेली

तो, इन वैज्ञानिकों ने वास्तव में क्या किया? जिस ब्रह्मांड का वे अध्ययन कर रहे हैं उसे एक विशाल, सपाट चेकरबोर्ड (लैटिस) के रूप में सोचें जहाँ प्रत्येक वर्ग अंतरिक्ष का एक छोटा सा हिस्सा है। इस बोर्ड पर, दो प्रकार के खिलाड़ी हैं: "गोंद" (गेज फील्ड्स) और "पदार्थ" (फर्मियन्स)। गोंद पेचीदा है क्योंकि यह एक निरंतर, अनंत दुनिया में रहता है, जबकि पदार्थ के कण एक वर्ग से दूसरे वर्ग में कूदते हैं। चुनौती यह पता लगाना है कि वे सबसे स्थिर पैटर्न बनाने के लिए एक साथ कैसे नृत्य करते हैं।

लेखकों ने एक नया "वेरिएशनल मोंटे कार्लो" (variational Monte Carlo) ढांचा बनाया। यदि आपने कभी ऐसा वीडियो गेम खेला है जहाँ आप ऊबड़-खाबड़ परिदृश्य में सबसे निचले बिंदु को खोजने की कोशिश करते हैं, तो आप जानते हैं कि यदि आप बस ढलान की ओर नीचे उतरना शुरू करते हैं, तो आप एक छोटी घाटी में फंस सकते हैं और सोच सकते हैं कि आप तल तक पहुँच गए हैं, भले ही पास में एक गहरा महासागरीय गर्त मौजूद हो। क्वांटम भौतिकी सिमुलेशन में बिल्कुल यही होता है; कंप्यूटर एक "लोकल मिनिमम" (local minimum) में फंस जाता है। इसे हल करने के लिए, टीम ने एक न्यूरल क्वांटम स्टेट (Neural Quantum State) का उपयोग किया। इसे एक अत्यंत स्मार्ट, लचीले जाल के रूप में कल्पना करें जो क्वांटम तरंग के वास्तविक आकार को पकड़ने के लिए खुद को खींचने और आकार देने में सक्षम है।

यहाँ वह जादुई ट्रिक है जिसका उन्होंने उपयोग किया:

1. द ग्लू नेट (The Glue Net): उन्होंने सिस्टम के "गोंद" वाले हिस्से का वर्णन करने के लिए एक न्यूरल नेटवर्क का उपयोग किया। यह नेटवर्क एक अत्यधिक कुशल कलाकार की तरह है जो बिना किसी कमी या सरलीकरण के अदृश्य क्षेत्रों के किसी भी आकार को चित्रित कर सकता है।
2. द मैटर करेक्शन (The Matter Correction): पदार्थ कणों के लिए, उन्होंने एक सरल, ज्ञात पैटर्न से शुरुआत की जिसे "नेल स्टेट" (Néel state) कहा जाता है (इसे एक आदर्श चेकरबोर्ड के रूप में सोचें जहाँ कण एक सख्त पैटर्न में बारी-बारी से आते हैं)। लेकिन वे जानते थे कि यह सरल पैटर्न पर्याप्त नहीं था। इसलिए, उन्होंने एक "गौसियन फर्मिओनिक करेक्शन" (Gaussian fermionic correction) जोड़ा। इसे एक स्मार्ट ओवरले के रूप में देखें जो उस क्षण के विशिष्ट गोंद क्षेत्रों के आधार पर सरल चेकरबोर्ड में बदलाव करता है। यह सुधार "विल्सन लाइन्स" (Wilson lines) का उपयोग करके बनाया गया है, जो कणों द्वारा लिए जाने वाले छोटे, सीधे पथ हैं। टीम ने केवल लंबाई 1 और 2 (बहुत छोटे उछाल) के पथों का उपयोग किया, लेकिन क्योंकि उन्होंने इन्हें स्मार्ट न्यूरल नेटवर्क के साथ जोड़ा, सिस्टम अभी भी लंबी दूरी के प्रभावों को "महसूस" कर सकता था।

परिणामस्वरूप एक हाइब्रिड सिस्टम प्राप्त हुआ जो साइन-प्रॉब्लम-फ्री (sign-problem-free) है। पुराने दिनों में, गतिशील फर्मियन्स (गतिमान पदार्थ) के साथ इसका अनुकरण करने का प्रयास करने से गणित नकारात्मक संख्याओं के साथ विस्फोट कर जाता जो एक-दूसरे को रद्द कर देतीं, जिससे आपके पास कोई उपयोगी जानकारी नहीं बचती। यह नया तरीका उस जाल से पूरी तरह बचता है, जिससे उन्हें बिना किसी टुकड़ों में काटे पूर्ण, निरंतर "SU(2)" समूह (एक विशिष्ट प्रकार की गणितीय समरूपता) का अनुकरण करने की अनुमति मिलती है।

उन्होंने क्या पाया: क्वांटम दुनिया का मानचित्र

टीम ने केवल मशीन नहीं बनाई; उन्होंने परिदृश्य कैसा दिखता है यह देखने के लिए उसे चलाया। उन्होंने एक "फेज डायग्राम" (phase diagram) का मानचित्र तैयार किया, जो क्वांटम दुनिया के लिए एक मौसम मानचित्र की तरह है, जो दिखाता है कि विभिन्न स्थितियों के तहत सिस्टम कैसे व्यवहार करता है।

• द हिस्टेरेसिस हंट (The Hysteresis Hunt): उनकी सबसे शानदार खोजों में से एक "हिस्टेरेसिस" (hysteresis) नामक घटना शामिल है। कल्पना कीजिए कि आप फर्श पर एक भारी बक्से को धकेल रहे हैं। कभी-कभी, यदि आप इसे एक दिशा में धकेलते हैं, तो यह एक खांचे में फंस जाता है। यदि आप इसे दूसरी दिशा में धकेलते हैं, तो यह एक अलग खांचे में फंस जाता है। बक्से को यह नहीं पता होता कि "नीचे" कौन सी दिशा है जब तक कि आप उसे ज़ोर से धक्का न दें। शोधकर्ताओं ने पाया कि उनका सिमुलेशन भी इसी तरह व्यवहार करता है। कैसे उन्होंने सिमुलेशन शुरू किया (शुरुआत/initialization), इस पर निर्भर करते हुए, सिस्टम दो पूरी तरह से अलग अवस्थाओं में बस जाता है, भले ही नियम (पैरामीटर्स) समान हों। यह "हिस्टेरेसिस विश्लेषण" एक शक्तिशाली उपकरण है जिसका उपयोग उन्होंने फेज ट्रांजिशन (phase transitions) को पहचानने के लिए किया—वह क्षण जब सिस्टम अचानक एक प्रकार के व्यवहार से दूसरे प्रकार में बदल जाता है, जैसे पानी का बर्फ में बदलना। उन्होंने चुंबकीय युग्मन मान $\lambda \approx -0.04$ के आसपास एक संक्रमण बिंदु पाया।

• द फिजिकल लाइन (The Physical Line): इसके बाद उन्होंने "फिजिकल लाइन" के साथ सिस्टम का परीक्षण किया, जहाँ विद्युत और चुंबकीय बल $\lambda = 4/g^2$ के नियम द्वारा संबंधित हैं। उन्होंने $L = 4, 6,$ और $8$के लैटिस आकार का अध्ययन किया। जैसे-जैसे उन्होंने ग्रिड का आकार बढ़ाया और इलेक्ट्रिक कपलिंग$g^2$ को बदला, उन्होंने देखा कि कैसे सिस्टम सरल "नेल" शुरुआती बिंदु से दूर चला जाता है।

  • जब इलेक्ट्रिक कपलिंग $g^2$ कम थी (लगभग $0.632$), तो कण इधर-उधर कूदना पसंद करते थे, और सिस्टम सरल चेकरबोर्ड से बहुत अलग दिखता था।
  • जब $g^2$ बड़ा था (लगभग $2.828$), तो कण अपनी जगह पर अधिक स्थिर थे, और सिस्टम सरल नैली स्टेट के करीब रहा।
  • महत्वपूर्ण रूप से, जैसे-जैसे उन्होंने सिस्टम का आकार $L=4$ से बढ़ाकर $L=8$ किया, अवस्था सरल शुरुआती बिंदु से और भी दूर चली गई, जो दर्शाता है कि बड़े सिस्टम अधिक जटिल, लंबी दूरी की छलांगों की अनुमति देते हैं।

• वैलिडेशन (Validation): हमें कैसे पता कि यह केवल एक सुंदर चित्र नहीं है? उन्होंने दो तरीकों से अपने काम की जाँच की। पहला, उन्होंने "स्ट्रॉन्ग-कपलिंग" सीमा में सिमुलेशन चलाया (जहाँ गणित पेन और कागज से हल करने के लिए पर्याप्त सरल है)। उनके परिणाम सैद्धांतिक भविष्यवाणियों से लगभग पूरी तरह मेल खाते थे, जिनमें अंतर $1.5\%$ से भी कम था। दूसरा, उन्होंने "गॉस के नियम" (Gauss's law) की जाँच की, जो विद्युत आवेश के संरक्षण नियम की तरह है। उनके सिमुलेशन ने कंप्यूटर की सटीकता की सीमा तक इस नियम का पालन किया, जिससे यह सिद्ध हुआ कि उनका "गोंद" और "पदार्थ" सही ढंग से एक साथ काम कर रहे थे।

निचोड़

यह शोध पत्र यह दावा नहीं करता है कि इसने पूरे ब्रह्मांड के रहस्य को सुलझा लिया है या किसी विशिष्ट सामग्री के कोड को तोड़ दिया है। इसके बजाय, यह गैर-एबेलियन गेज थ्योरीज (non-Abelian gauge theories) के साथ चलते हुए पदार्थ के अनुकरण के लिए एक मजबूत, साइन-प्रॉब्लम-फ्री ढांचा प्रदान करता है। उन्होंने दिखाया है कि न्यूरल नेटवर्क को पदार्थ के लिए एक स्मार्ट, गौसियन-आधारित सुधार के साथ जोड़कर, आप उच्च सटीकता के साथ इन प्रणालियों के ग्राउंड स्टेट का पता लगा सकते हैं।

परिणाम बताते हैं कि यह विधि 'कन्फाइनमेंट' (confinement - क्यों हम कभी अलग क्वार्क्स को नहीं देख पाते) और पदार्थ की फेज संरचना को समझने के लिए एक व्यवहार्य मार्ग है। हालांकि वे वर्तमान में मेमोरी बाधाओं के कारण अधिकतम लैटिस आकार $L=8$ तक सीमित हैं, और उन्होंने सुधारों के लिए केवल छोटे "विल्सन लाइन्स" का उपयोग किया है, लेकिन यह पद्धति स्केलेबल (scalable) है। यह बड़े ग्रिड, अधिक जटिल कण प्रकारों और यहाँ तक कि उच्च आयामों के भविष्य के अध्ययन के लिए द्वार खोलता है, जो भविष्य के क्वांटम कंप्यूटरों और अन्य उन्नत सिमुलेशन तकनीकों के लिए एक बेंचमार्क के रूप में कार्य कर सकता है। शोधकर्ताओं ने अनिवार्य रूप से क्वांटम फील्ड थ्योरी के तूफानी समुद्रों में नेविगेट करने के लिए एक नया, विश्वसनीय दिशा-सूचक यंत्र (compass) बनाया है, यह सिद्ध करते हुए कि सही मिश्रण के साथ AI और भौतिकी, हम अंततः अपने पैरों के नीचे की जमीन का आकार देख सकते हैं।