Non-Abelian quantum Hall states at strong Landau level mixing: finding anyons with first-principles AI

क्वांटम भौतिकी की विचित्र दुनिया में, कण हमेशा उन ठोस वस्तुओं की तरह व्यवहार नहीं करते जिन्हें हम अपने चारों ओर देखते हैं। कभी-कभी, वे एक तालाब में उठने वाली लहरों की तरह कार्य करते हैं, और जब बहुत सारे कण चरम स्थितियों के तहत परस्पर क्रिया करते हैं, तो वे एक नए प्रकार के पदार्थ का निर्माण कर सकते हैं जिसके अपने स्वयं के नियम होते हैं। सबसे आकर्षक स्थानों में से एक फ्रैक्शनल क्वांटम हॉल इफेक्ट (fractional quantum Hall effect) है, जो पदार्थ की एक ऐसी अवस्था है जो तब प्रकट होती है जब इलेक्ट्रॉनों को एक सपाट परत में कैद किया जाता है और एक शक्तिशाली चुंबकीय क्षेत्र के अधीन किया जाता है। इन परिस्थितियों में, इलेक्ट्रॉन एक अत्यधिक व्यवस्थित, तरल जैसी अवस्था में खुद को व्यवस्थित करते हैं। इस तरल के भीतर, इलेक्ट्रॉन इस तरह व्यवहार कर सकते हैं जैसे वे अपने सामान्य आवेश के एक अंश को वहन कर रहे हों, और वे 'एनयॉन' (anyons) नामक विलक्षण कण बना सकते हैं। ये एनयॉन विशेष हैं क्योंकि उनकी स्थिति को बदलने से केवल सिस्टम में मामूली बदलाव नहीं होता; यह पूरे समूह की क्वांटम अवस्था को मौलिक रूप से बदल देता है जिसे सरल मापन से ठीक करना असंभव है। यह अद्वितीय व्यवहार उन्हें अगली पीढ़ी के क्वांटम कंप्यूटर बनाने के लिए एक प्रमुख उम्मीदवार बनाता है, जो उन समस्याओं को हल कर सकते हैं जो आज की मशीनों के लिए असंभव हैं। हालाँकि, इन प्रणालियों में किस प्रकार का एनयॉन मौजूद है, इसे सटीक रूप से समझना दशकों पुराना एक पहेली रहा है, जो इस तथ्य से जटिल हो जाता है कि इलेक्ट्रॉन लगातार एक-दूसरे के साथ इस तरह से टकराते हैं जिसे गणना करना कठिन होता है।

लंबे समय तक, वैज्ञानिक इन क्वांटम तरल पदार्थों की सटीक प्रकृति की भविष्यवाणी करने के लिए संघर्ष करते रहे हैं क्योंकि मानक गणना विधियाँ तब विफल हो जाती हैं जब इलेक्ट्रॉन बहुत मजबूती से परस्पर क्रिया करते हैं। कई प्रयोगात्मक सेटअपों में, इलेक्ट्रॉन इतने घने और ऊर्जावान होते हैं कि वे विभिन्न ऊर्जा स्तरों के बीच कूद जाते हैं, जिसे 'लैंडौ लेवल मिक्सिंग' (Landau level mixing) कहा जाता है। पारंपरिक कंप्यूटर मॉडल आमतौर पर इन छलांगों को अनदेखा कर देते हैं या इन्हें एक छोटी, प्रबंधनीय त्रुटि मानते हैं, लेकिन वास्तव में, यह मिश्रण अक्सर सिस्टम को आकार देने वाला प्रमुख बल होता है। इसके बिना, सिद्धांतों ने विरोधाभासी भविष्यवाणियां की हैं, जिससे शोधकर्ता इस बात को लेकर अनिश्चित रहे कि इलेक्ट्रॉन एक विशिष्ट प्रकार के टोपोलॉजिकल ऑर्डर (topological order) बनाते हैं या कोई अन्य। यह प्रश्न तीस वर्षों से खुला रहा है, जिसमें विभिन्न प्रयोग अलग-अलग उत्तरों की ओर इशारा करते हैं और सैद्धांतिक मॉडल वास्तविक सत्य पर सहमत होने में विफल रहते हैं।

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने अब आर्टिफिशियल इंटेलिजेंस का उपयोग करके इस समस्या को हल किया है: एक पूरी तरह से अलग दृष्टिकोण। भौतिकी को एक सरलीकृत समीकरण में बदलने के बजाय, उन्होंने एक न्यूरल नेटवर्क को प्रशिक्षित किया—जो मानव मस्तिष्क से प्रेरित एक प्रकार का कंप्यूटर प्रोग्राम है—ताकि वह प्रकृति के मूलभूत नियमों से सीधे इलेक्ट्रॉनों के व्यवहार को सीख सके। उन्होंने बुनियादी समीकरणों के साथ शुरुआत की जो बताते हैं कि इलेक्ट्रॉन एक-दूसरे को कैसे प्रतिकर्षित करते हैं और एक चुंबकीय क्षेत्र में कैसे चलते हैं, बिना कंप्यूटर को यह बताए कि उसे किस प्रकार की अवस्था खोजनी चाहिए। न्यूरल नेटवर्क को इलेक्ट्रॉन व्यवस्था के विशाल परिदृश्य को स्वयं तलाशने की अनुमति दी गई, जो उस विन्यास की खोज कर रहा था जो सिस्टम की ऊर्जा को न्यूनतम करता है। यह विधि शक्तिशाली है क्योंकि यह मानवीय अनुमानों या पहले से मौजूद सिद्धांतों पर निर्भर नहीं करती है कि उत्तर कैसा दिखना चाहिए; यह बस डेटा को बोलने देती है।

शोधकर्ताओं ने एक विशिष्ट परिदृश्य पर ध्यान केंद्रित किया जहाँ इलेक्ट्रॉन अपने स्पिन में पूरी तरह से ध्रुवीकृत (polarized) हैं और एक फिलिंग फैक्टर 3/2 को रखते हैं। इसका अर्थ है कि निम्नतम ऊर्जा स्तर पूरी तरह से भरा हुआ है, और अगला स्तर आधा भरा हुआ है। इस सेटिंग में, टीम ने बीस-एक (21) इलेक्ट्रॉनों के साथ एक सिस्टम का अनुकरण किया और पाया कि न्यूरल नेटवर्क ने सफलतापूर्वक एक स्थिर, तरल जैसी अवस्था की खोज की। जब उन्होंने इस अवस्था के गुणों का विश्लेषण किया, तो उन्हें एक गैर-अबेलियन टोपोलॉजिकल ऑर्डर (non-Abelian topological order) का एक विशिष्ट संकेत मिला। यह संकेत उस तरीके में दिखाई दिया जिससे इलेक्ट्रॉन एक-दूसरे के साथ उलझे (entangled) हुए थे, जो एक विशिष्ट गणितीय गुण वाले एनयॉन की उपस्थिति को प्रकट करता है जिसे 'क्वांटम डायमेंशन ऑफ द स्क्वायर रूट ऑफ टू' (square root of two) कहा जाता है। यह मान 'आइसिंग टाइप' (Ising type) नामक एक विशेष प्रकार के क्रम की पहचान है, जो दोष-सहिष्णु (fault-tolerant) क्वांटम कंप्यूटिंग के लिए बिल्कुल आवश्यक है। सिमुलेशन ने दिखाया कि यह अवस्था मजबूत और स्थिर है, भले ही इलेक्ट्रॉन बहुत मजबूती से परस्पर क्रिया कर रहे हों।

यह निर्धारित करने के लिए कि इलेक्ट्रॉनों ने वास्तव में इस टोपोलजिकल ऑर्डर के किस संस्करण को चुना है, शोधकर्ताओं ने अपने एआई-खोजे गए राज्य की तुलना कई प्रतिस्पर्धी सिद्धांतों से की। ग्राउंड स्टेट के लिए तीन मुख्य उम्मीदवार थे: मूर-रीड पफैफियन (Moore-Read Pfaffian), इसका पार्टिकल-होल संयुग्मी जिसे एंटी-पफैफियन (anti-Pfaffian) कहा जाता है, और एक तीसरी संभावना जिसे पार्टिकल-होल पफैफियन (particle-hole Pfaffian) कहा जाता है। अपने एआई समाधान के प्रत्येक सैद्धांतिक मॉडल के साथ मिलान की निकटता की गणना करके, टीम को एक स्पष्ट विजेता मिला। न्यूरल नेटवर्क द्वारा खोजी गई अवस्था एंटी-पफैफियन के साथ सबसे अधिक मेल खाती थी। यह परिणाम महत्वपूर्ण है क्योंकि यह सुझाव देता है कि जब लैंडौ लेवल मिक्सिंग मजबूत होती है, तो सिस्टम स्वाभाविक रूप से अन्यों के ऊपर एंटी-पफैफियन ऑर्डर को प्राथमिकता देता है। अध्ययन ने स्पष्ट रूप से पार्टिकल-होल पफैफियन को ग्राउंड स्टेट के व्यवहार्य उम्मीदवार के रूप में खारिज कर दिया, क्योंकि इंटरैक्शन की ताकत के बावजूद उस मॉडल के साथ ओवरलैप बहुत कम रहा।

इस दृष्टिकोण की शक्ति समस्या की पूरी जटिलता को बिना भौतिकी को सरल बनाए संभालने की इसकी क्षमता में निहित है। पिछले अध्ययनों को केवल एक या दो ऊर्जा स्तरों तक अपनी गणनाओं को सीमित करना पड़ता था या स्तरों के बीच के मिश्रण को एक मामूली सुधार के रूप में मानना पड़ता था। इस नई विधि ने सभी इलेक्ट्रॉनों और सभी ऊर्जा स्तरों को शामिल किया, जिससे मजबूत इंटरैक्शन के पूर्ण प्रभाव को पकड़ा जा सका। शोधकर्ताओं ने सिस्टम की ऊर्जा की जांच करके और पुराने, अधिक सीमित गणनाओं के साथ तुलना करके अपने निष्कर्षों को सत्यापित किया, जिसमें पाया गया कि उनका एआई मॉडल लगातार कम और अधिक सटीक ऊर्जा उत्पन्न करता है। उन्होंने यह भी देखा कि जैसे-जैसे मिश्रण की शक्ति बढ़ी, इलेक्ट्रॉन उच्च ऊर्जा स्तरों में खुद को पुनर्वितरित करने लगे, एक ऐसा विवरण जिसे पुराने मॉडलों ने पूरी तरह से छोड़ दिया था।

यह कार्य एक ऐसी समस्या का सीधा, प्रथम-सिद्धांत (first-principles) समाधान प्रदान करता है जिसने दशकों तक सैद्धांतिक विवरण का विरोध किया है। यह प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस का उपयोग क्वांटम पदार्थ के छिपे हुए नियमों को उजागर करने के लिए किया जा सकता है, जो ऐसे पैटर्न खोज सकता है जो पारंपरिक गणित के लिए प्रकट करना बहुत जटिल है। ये निष्कर्ष मोनोलेयर टंगस्टन डिसेलेनाइड (tungsten diselenide) और जिंक ऑक्साइड जैसे पदार्थों में हाल के प्रयोगों के लिए विशेष रूप से प्रासंगिक हैं, जहाँ इसी तरह के मजबूत मिश्रण प्रभाव देखे जाते हैं। इन सामग्रियों में, इलेक्ट्रॉनों के भारी द्रव्यमान के कारण ऊर्जा स्तरों के बीच का मिश्रण अपरिहार्य हो जाता है, जो उस प्रकार के गैर-अबेलियन ऑर्डर के लिए एक आदर्श वातावरण बनाता है जिसे शोधकर्ताओं ने पहचाना है। एंटी-पफैफियन अवस्था को इन परिस्थितियों में संभावित ग्राउंड स्टेट के रूप में दिखाकर, यह अध्ययन प्रयोगात्मक विशेषज्ञों के लिए सत्यापन के लिए एक ठोस लक्ष्य प्रदान करता है और व्यावहारिक टोपोलॉजिकल क्वांटम कंप्यूटर बनाने के मार्ग को स्पष्ट करने में मदद करता है। शोध पुष्टि करता है कि जब इलेक्ट्रॉनों को पूरी तरह से और बिना किसी कृत्रिम बाधा के परस्पर क्रिया करने की अनुमति दी जाती है, तो वे एक विशिष्ट, अत्यधिक व्यवस्थित अवस्था में बस जाते हैं जो क्वांटम प्रौद्योगिकी के एक नए युग की कुंजी है।