Les physiciens augmentent (temporairement) la réalité pour déchiffrer le code des systèmes quantiques.
Prédire les propriétés d’une molécule ou d’un matériau nécessite de calculer le comportement collectif de ses électrons. De telles prédictions pourraient un jour aider les chercheurs à développer de nouveaux produits pharmaceutiques ou à concevoir des matériaux aux propriétés recherchées telles que la supraconductivité. Le problème est que les électrons peuvent devenir « mécaniquement quantiques » enchevêtrés les uns avec les autres, ce qui signifie qu’ils ne peuvent plus être traités individuellement. Le réseau de connexions enchevêtré devient absurdement difficile à démêler directement, même pour les ordinateurs les plus puissants, pour tout système contenant plus d’une poignée de particules.
Aujourd’hui, les physiciens quantiques du Centre de physique quantique computationnelle (CCQ) du Flatiron Institute à New York et de l’École polytechnique fédérale de Lausanne (EPFL) en Suisse ont contourné le problème. Ils ont créé un moyen de simuler l’intrication en ajoutant à leurs calculs des électrons « fantômes » supplémentaires qui interagissent avec les électrons réels du système.
Dans la nouvelle approche, le comportement des électrons ajoutés est contrôlé par une technique d’intelligence artificielle appelée réseau de neurones. Le réseau effectue des ajustements jusqu’à ce qu’il trouve une solution précise qui peut être projetée dans le monde réel, recréant ainsi les effets de l’intrication sans les obstacles informatiques qui l’accompagnent.
Les physiciens présentent leur méthode le 3 août dans le Actes de l’Académie nationale des sciences.
« Vous pouvez traiter les électrons comme s’ils ne se parlaient pas, comme s’ils n’interagissaient pas », explique l’auteur principal de l’étude, Javier Robledo Moreno, étudiant diplômé à la CCQ et à l’Université de New York. « Les particules supplémentaires que nous ajoutons médiatisent les interactions entre les particules réelles qui vivent dans le système physique réel que nous essayons de décrire. »
Dans le nouvel article, les physiciens démontrent que leur approche correspond ou surclasse les méthodes concurrentes dans les systèmes quantiques simples.
« Nous avons appliqué cela à des choses simples comme un banc d’essai, mais maintenant nous passons à l’étape suivante et essayons cela sur des molécules et d’autres problèmes plus réalistes », explique le co-auteur de l’étude et directeur du CCQ, Antoine Georges. « C’est un gros problème car si vous avez un bon moyen d’obtenir les fonctions d’onde de molécules complexes, vous pouvez faire toutes sortes de choses, comme concevoir des médicaments et des matériaux aux propriétés spécifiques. »
L’objectif à long terme, dit Georges, est de permettre aux chercheurs de prédire par ordinateur les propriétés d’un matériau ou d’une molécule sans avoir à le synthétiser et à le tester en laboratoire. Ils pourraient, par exemple, être en mesure de tester une multitude de molécules différentes pour une propriété pharmaceutique souhaitée en quelques clics de souris. « La simulation de grosses molécules est un gros problème », déclare Georges.
Robledo Moreno et Georges ont co-écrit l’article avec le professeur adjoint de physique à l’EPFL Giuseppe Carleo et James Stokes, chercheur à la CCQ.
La nouvelle œuvre est une évolution de un article de 2017 dans La science de Carléo et Matthias Troyer, qui est actuellement membre technique chez Microsoft. Cet article combinait également des réseaux de neurones avec des particules fictives, mais les particules ajoutées n’étaient pas des électrons à part entière. Au lieu de cela, ils avaient juste une propriété connue sous le nom de spin.
« Quand j’étais [at the CCQ] à New York, j’étais obsédé par l’idée de trouver une version du réseau de neurones qui décrirait le comportement des électrons, et je voulais vraiment trouver une généralisation de l’approche que nous avons introduite en 2017 », explique Carleo. « Avec ce nouveau travail, nous avons finalement trouvé un moyen élégant d’avoir des particules cachées qui ne sont pas des spins mais des électrons. »
Javier Robledo Moreno et al, Fonctions d’onde fermionique à partir d’états cachés contraints par le réseau de neurones, Actes de l’Académie nationale des sciences (2022). DOI : 10.1073/pnas.2122059119
Fourni par la Fondation Simons