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

Stel je voor dat je probeert het gedrag van elektronen te begrijpen die door een materiaal bewegen. In de eenvoudigste modellen stellen wetenschappers zich deze elektronen voor als springend van het ene atoom naar het volgende op een rooster, vergelijkbaar met een reiziger die tussen steden op een kaart beweegt. Dit "tight-binding"-beeld is een fundamenteel instrument voor het begrijpen van hoe elektriciteit stroomt, hoe materialen warmte geleiden en waarom sommige stoffen magnetisch worden. Decennialang werkte dit model het best op regelmatige, herhalende patronen, zoals de perfecte vierkanten van een tegelvloer. Maar de natuur is zelden zo ordelijk. Elektronen bewegen ook door materialen met vreemde, herhalende maar nooit exact dezelfde patronen, of door vormen die zichzelf op elk niveau herhalen, zoals een kustlijn of een sneeuwvlok. Deze complexe geometrieën — fractals, quasikristallen en boomstructuren — creëren exotische elektronische gedrages die reguliere roosters niet kunnen verklaren. Echter, het bestuderen hiervan was een nachtmerrie voor computers. Naarmate het aantal atomen in een simulatie groeit, explodeert de hoeveelheid geheugen die nodig is om elke mogelijke route voor een elektron in kaart te brengen, wat zelfs de krachtigste supercomputers snel overbelast.

Een team van onderzoekers heeft nu een manier gevonden om deze complexiteit te bedwingen. Ze hebben een nieuwe methode ontwikkeld om deze ingewikkelde elektronische kaarten te beschrijven met behulp van een slimme truc, geleend van de manier waarop computers taal verwerken. In plaats van te proberen een enorme, gedetailleerde lijst van elke enkele verbinding tussen atomen op te slaan, hebben ze een compact, regelgebaseerd systeem gebouwd dat de volledige structuur van het materiaal in een piepkleine hoeveelheid digitale ruimte vastlegt. Dit systeem stelt hen in staat om materialen met miljarden atomen te simuleren, een schaal die voorheen onbereikbaar was met exacte berekeningen. Door dit nieuwe instrument te combineren met een standaardtechniek voor het analyseren van energieniveaus, waren ze in staat om de elektronische eigenschappen van deze vreemde roosters met hoge precisie te berekenen, waarbij ze ontdekten hoe elektronen zich gedragen in omgevingen die variëren van de zelfgelijke patronen van fractals tot de gebogen, oneindige uitgestrektheid van hyperbolische ruimte.

De kern van deze doorbraak ligt in de manier waarop de onderzoekers de informatie over de vorm van het materiaal hebben georganiseerd. In een standaard computersimulatie groeit het geheugen dat nodig is om een systeem te beschrijven meestal in directe verhouding tot het aantal atomen. Als je de grootte van het materiaal verdubbelt, heb je ongeveer het dubbele aan geheugen nodig. Maar voor de complexe vormen die hier werden bestudeerd, zou het benodigde geheugen normaal gesproken zo snel groeien dat een simulatie van een groot systeem meer opslagruimte zou vereisen dan er op aarde bestaat. De onderzoekers realiseerden zich dat deze specifieke vormen — fractals, quasikristallen en bomen — worden opgebouwd met behulp van recursieve regels. Dit betekent dat de hele structuur bestaat uit kleinere kopieën van zichzelf, die op een voorspelbare manier op elkaar zijn gestapeld. Ze codeerden deze regels in een eenvoudige machine, vergelijkbaar met een verkeerslicht dat van status verandert op basis van de passerende auto's, maar in dit geval houdt de machine de positie van een elektron bij terwijl het door de lagen van de constructie van het materiaal beweegt.

Deze machine, die de auteurs een eindige toestandsautomaat (finite-state automaton) noemen, fungeert als een blauwdruk. Het bevat geen lijst met elk afzonderlijk atoom. In plaats daarvan bevat het een kleine set instructies die de computer vertellen hoe de verbindingen tussen atomen gegenereerd moeten worden terwijl het beweegt van het ene niveau van de structuur naar het volgende. Omdat de regels voor het bouwen van deze vormen eindig en herhaalbaar zijn, heeft de machine slechts een vast, klein aantal interne toestanden nodig om het hele systeem te beschrijven, ongeacht hoe groot het wordt. De onderzoekers vertaalden deze machine naar een wiskundige structuur die bekend staat als een matrixproductoperator. In gewone woorden is dit een manier om de regels voor de beweging van het elektron te beschrijven als een keten van kleine, verbonden blokken. De grootte van deze blokken hangt alleen af van de complexiteit van de regels van de vorm, niet van het totale aantal atomen. Dit betekent dat zelfs als de simulatie miljarden locaties bevat, de computer slechts een beheersbare hoeveelheid gegevens nodig heeft om de Hamiltonian te beschrijven, het wiskundige object dat bepaalt hoe de elektronen bewegen en interageren.

Om hun methode te testen, paste het team deze toe op een grote verscheidenheid aan uitdagende geometrieën. Ze begonnen met de bekende vierkante en driehoekige roosters om te garanderen dat hun methode correct werkte, en gingen daarna over naar de Sierpiński-tapijt, een beroemd fractale vorm waarbij een vierkant herhaaldelijk in negen kleinere vierkanten wordt verdeeld met het centrum verwijderd. Ze simuleerden ook de Fibonacci-keten, een eendimensionale lijn van atomen gerangschikt in een patroon dat nooit herhaalt maar wel een strikte regel volgt, en de tweedimensionale uitbreiding daarvan. Ten slotte pakten ze Cayley-bomen aan, die vertakkende structuren zijn die vanuit een centraal punt naar buiten groeien, en hyperbolische roosters, die binnenwaarts buigen als een zadel, waardoor er een exponentiële groei in het aantal verbindingen optreedt naarmate men verder van het centrum af beweegt. In elk geval produceerde de methode een exacte beschrijving van de regels van het systeem zonder ooit de volledige lijst met verbindingen te hoeven uitschrijven.

Zodra de regels waren gecodeerd, gebruikten de onderzoekers een techniek genaamd de kernel-polynoommethode om de spectrale eigenschappen van deze materialen te berekenen. Deze aanpak stelt hen in staat om de energieniveaus te bepalen die beschikbaar zijn voor elektronen en hoe deze elektronen over het materiaal verdeeld zijn, zonder het hele systeem in één keer te hoeven oplossen. Voor het Sierpiński-tapijt simuleerden ze een systeem met meer dan 200.000 locaties en ontdekten dat de elektronengolven over de structuur verspreid bleven, zonder tekenen te vertonen dat ze op één plek vast kwamen te zitten. Ze keken ook naar een Fibonacci-keten met bijna 200.000 locaties en observeerden de karakteristieke, ingewikkelde energiepatronen die uniek zijn voor quasikristallen, waarbij de elektronendichtheid op een complexe, niet-herhalende manier varieert. In het geval van het hyperbolische rooster, dat ze modelleerden als een 3-Cayley-boom bij generatie n = 10, waren ze in staat om in kaart te brengen hoe wanorde in het materiaal de stroom van elektronen beïnvloedt, waarbij ze lieten zien dat de symmetrie van de structuur behouden blijft, zelfs wanneer de omgeving chaotisch is.

De betekenis van dit werk is dat het een verenigde manier biedt om een brede klasse van materialen te bestuderen die voorheen te moeilijk waren om exact te simuleren. Voorheen moesten onderzoekers vaak vertrouwen op benaderingen of konden ze slechts zeer kleine versies van deze systemen bestuderen, wat belangrijke gedragingen op grote schaal kon missen. Door deze nieuwe methode te gebruiken, kunnen ze nu de elektronische eigenschappen van deze complexe roosters verkennen op schalen die exponentieel groter zijn dan wat voorheen mogelijk was. De methode is bijzonder krachtig omdat deze exact is; het gooit geen informatie weg of doet gissingen over het gedrag van het systeem. Het vindt simpelweg een efficiëntere manier om de regels op te schrijven. Dit opent de deur naar het verkennen van hoe elektronen zich gedragen in niet-Euclidische geometrieën, die steeds relevanter worden nu wetenschappers nieuwe soorten kwantumsimulatoren bouwen met behulp van licht, circuits en atoomarrays.

De onderzoekers merkten ook op dat hoewel hun methode perfect werkt voor de vormen die zij hebben bestudeerd, het ervan afhangt dat deze vormen zijn opgebouwd uit eenvoudige, herhalende regels. Als een materiaal een structuur heeft die niet zo een duidelijk patroon volgt, werkt deze specifieke aanpak mogelijk minder goed. Echter, voor de grote familie van recursief gestructureerde roosters biedt de methode een krachtige nieuwe lens. Het stelt wetenschappers in staat om vragen te stellen over de elektronische eigenschappen van materialen met miljarden atomen, een schaal die relevant is voor het begrijpen van real-world apparaten en het ontwerpen van nieuwe materialen met op maat gemaakte eigenschappen. Het vermogen om deze systemen exact te simuleren betekent dat de voorspellingen van de computer even betrouwbaar zijn als de natuurwetten zelf, wat een solide fundament biedt voor toekomstige experimenten en ontdekkingen in het domein van kwantummaterie.