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

Nel strano mondo della fisica quantistica, le particelle non sempre si comportano come gli oggetti solidi che vediamo intorno a noi. A volte, agiscono più come increspature in uno stagno e, quando molte di esse interagiscono in condizioni estreme, possono formare un nuovo tipo di materia con regole tutte proprie. Uno dei luoghi più affascinanti in cui ciò accade è l'effetto Hall quantistico frazionario, uno stato della materia che appare quando gli elettroni sono intrappolati in uno strato piatto e sottoposti a un potente campo magnetico. In queste condizioni, gli elettroni si organizzano in uno stato fluido altamente ordinato. All'interno di questo fluido, gli elettroni possono agire come se trasportassero una frazione della loro carica elettrica abituale e possono formare particelle esotiche chiamate anyoni. Questi anyoni sono speciali perché scambiare le loro posizioni non cambia solo leggermente il sistema, ma altera fondamentalmente lo stato quantistico dell'intero gruppo in un modo che è impossibile da annullare con semplici misurazioni. Questo comportamento unico li rende un candidato principale per la costruzione della prossima generazione di computer quantistici, che potrebbero risolvere problemi attualmente impossibili per le macchine odierne. Tuttavia, capire esattamente quale tipo di anyone esista in questi sistemi è un enigma che dura da decenni, complicato dal fatto che gli elettroni si urtano costantemente tra loro in modi difficili da calcolare.

Per molto tempo, gli scienziati hanno faticato a prevedere la natura esatta di questi fluidi quantistici perché i metodi di calcolo standard falliscono quando gli elettroni interagiscono troppo fortemente. In molti allestimenti sperimentali, gli elettroni sono così affollati ed energetici che saltano tra diversi livelli di energia, un fenomeno noto come mescolamento dei livelli di Landau. I modelli informatici tradizionali di solito ignorano questi salti o li trattano come un errore piccolo e gestibile, ma in realtà, questo mescolamento è spesso la forza dominante che plasma il sistema. Senza tenerne conto, le teorie hanno prodotto previsioni contrastanti, lasciando i ricercatori incerti se gli elettroni formino un tipo specifico di ordine topologico o un altro. La questione è rimasta aperta per oltre trent'anni, con diversi esperimenti che puntavano verso risposte differenti e modelli teorici che non riuscivano a concordare sulla verità fondamentale.

Un team di ricercatori del Massachusetts Institute of Technology ha affrontato ora questo problema utilizzando un approccio completamente diverso: l'intelligenza artificiale. Invece di cercare di forzare la fisica in un'equazione semplificata, hanno addestrato una rete neurale — un tipo di programma informatico ispirato al cervello umano — a imparare il comportamento degli elettroni direttamente dalle leggi fondamentali della natura. Sono partiti dalle equazioni di base che descrivono come gli elettroni si respingono e si muovono in un campo magnetico, senza dire al computer che tipo di stato dovesse trovare. Alla rete neurale è stato permesso di esplorare il vasto panorama delle possibili configurazioni elettroniche autonomamente, cercando la configurazione che minimizzasse l'energia del sistema. Questo metodo è potente perché non si basa su ipotesi umane o teorie preesistenti su quale debba essere la risposta; semplicemente lascia che i dati parlino.

I ricercatori si sono concentrati su uno scenario specifico in cui gli elettroni sono completamente polarizzati nel loro spin e occupano un fattore di riempimento di 3/2. Ciò significa che il livello di energia più basso è completamente pieno, e il livello successivo è pieno a metà. In questa impostazione, il team ha simulato un sistema con ventuno elettroni e ha scoperto che la rete neurale ha individuato con successo uno stato stabile, di tipo liquido. Quando hanno analizzato le proprietà di questo stato, hanno trovato una specifica firma di un ordine topologico non-abeliano. Questa firma è apparsa nel modo in cui gli elettroni sono intrecciati tra loro, rivelando la presenza di anyoni con una specifica proprietà matematica nota come dimensione quantistica della radice quadrata di due. Questo valore è il segno distintivo di un particolare tipo di ordine chiamato tipo Ising, che è esattamente ciò di cui si ha bisogno per l'informatica quantistica fault-tolerant. La simulazione ha dimostrato che questo stato è robusto e stabile, anche quando gli elettroni interagiscono molto fortemente.

Per determinare esattamente quale versione di questo ordine topologico avessero scelto gli elettroni, i ricercatori hanno confrontato lo stato scoperto dall'IA con diverse teorie concorrenti. C'erano tre candidati principali per lo stato fondamentale: il Pfaffiano di Moore-Read, il suo coniugato buco-particella noto come anti-Pfaffiano, e una terza possibilità chiamata Pfaffiano particella-buco. Calcolando quanto strettamente la soluzione dell'IA corrispondesse a ciascuno di questi modelli teorici, il team ha trovato un vincitore chiaro. Lo stato scoperto dalla rete neurale si sovrapponeva maggiormente all'anti-Pfaffiano. Questo risultato è significativo perché suggerisce che, quando il mescolamento dei livelli di Landau è forte, il sistema favorisce naturalmente l'ordine anti-Pfaffiano rispetto agli altri. Lo studio ha escluso esplicitamente il Pfaffiano particella-buco come candidato vitale per lo stato fondamentale in questo regime, poiché la sovrapposizione con quel modello rimaneva molto piccola indipendentemente dalla forza delle interazioni.

La forza di questo approccio risiede nella sua capacità di gestire l'intera complessità del problema senza semplificare la fisica. Gli studi precedenti dovevano limitare i loro calcoli a soli uno o due livelli di energia o trattare il mescolamento tra i livelli come una piccola correzione. Questo nuovo metodo includeva tutti gli elettroni e tutti i livelli di energia nella simulazione, catturando il pieno effetto delle forti interazioni. I ricercatori hanno verificato i loro risultati controllando l'energia del sistema e confrontandola con calcoli più vecchi e limitati, trovando che il loro modello di IA produceva costantemente energie più basse e accurate. Hanno anche osservato che, all'aumentare della forza del mescolamento, gli elettroni iniziavano a ridistribuirsi attraverso livelli di energia più elevati, un dettaglio che i modelli precedenti avevano mancato completamente.

Questo lavoro fornisce una soluzione diretta, basata sui primi principi, a un problema che ha resistito alla descrizione teorica per decenni. Dimostra che l'intelligenza artificiale può essere utilizzata per scoprire le regole nascoste della materia quantistica, trovando schemi troppo complessi per essere rivelati dalla matematica tradizionale. Le scoperte sono particolarmente rilevanti per i recenti esperimenti in materiali come il diselenuro di tungsteno monostrato e l'ossido di zinco, dove si osservano effetti di mescolamento forte simili. In questi materiali, la massa pesante degli elettroni rende inevitabile il mescolamento tra i livelli di energia, creando l'ambiente perfetto per il tipo di ordine non-abeliano identificato dai ricercatori. Mostrando che lo stato anti-Pfaffiano è probabilmente lo stato fondamentale in queste condizioni, lo studio offre un obiettivo concreto per gli sperimentali da verificare e aiuta a chiarire il percorso verso la costruzione di computer quantistici topologici pratici. La ricerca conferma che, quando si permette agli elettroni di interagire pienamente e senza vincoli artificiali, essi si stabilizzano in uno stato specifico e altamente ordinato che detiene la chiave per una nuova era della tecnologia quantistica.