Искусственный интеллект сократил время идентификации сложных квантовых фаз в материалах с месяцев до минут, что может ускорить исследования квантовых материалов, включая низкоразмерные сверхпроводники. Исследование, опубликованное в Newton, проведено командой из Университета Эмори и Йельского университета под руководством Фан Лю, Яо Вана и Ю Хэ.
Ученые применили машинное обучение для обнаружения спектральных сигналов, указывающих на фазовые переходы в квантовых материалах, где электроны сильно запутаны. Эти материалы сложно моделировать из-за их непредсказуемых колебаний. Для обучения моделей использовались смоделированные данные, дополненные экспериментальными, что позволило создать эффективный фреймворк для анализа.
Метод позволяет распознавать фазы даже по одному спектральному снимку, решая проблему ограниченности экспериментальных данных. Это открывает новые возможности для изучения квантовых материалов, включая высокотемпературные сверхпроводники, которые могут революционизировать энергетику и вычисления.
Исследование также показало, что модель машинного обучения может различать сверхпроводящие и несверхпроводящие фазы с точностью 98%, что делает ее мощным инструментом для высокопроизводительного анализа. Этот подход ускоряет открытия и расширяет понимание квантовых систем, прокладывая путь к новым технологическим прорывам.
Модельная архитектура. Источник: Newton (2025). DOI: 10.1016/j.newton.2025.100066
Дополнительная информация: Xu Chen et al, Detecting thermodynamic phase transition via explainable machine learning of photoemission spectroscopy, Newton (2025). DOI: 10.1016/j.newton.2025.100066
Источник: New AI tool set to speed quest for advanced superconductors