William Poor
Les matériaux quantiques sont une classe de matériaux exotiques aux propriétés spéciales régies par la mécanique quantique plutôt que par la physique classique. Ces propriétés — comme la supraconductivité, l’intrication et des formes inhabituelles de magnétisme — proviennent souvent des motifs répétitifs minuscules d’atomes à l’intérieur des cristaux, mais grâce à une ingénierie astucieuse, elles peuvent être observées et contrôlées à une échelle plus humaine. Les matériaux quantiques contribuent à alimenter le domaine en plein essor de l’informatique quantique et pourraient trouver leur place dans les futures générations d’électronique économe en énergie.
Cependant, concevoir de nouveaux matériaux à partir de l’échelle atomique nécessite une modélisation et une simulation intenses. Certains matériaux peuvent paraître ordinaires lorsqu’ils sont vus comme de petits amas d’atomes, mais révèlent des propriétés nouvelles et utiles lorsque leurs blocs atomiques se répètent et interagissent sur de plus grandes distances. Les chercheurs doivent être capables de prédire avec précision les comportements à grande échelle pour trouver des matériaux ayant des applications pratiques — sinon, concevoir de nouveaux matériaux est un processus lent et coûteux d’essais et d’erreurs.
Au cours des 50 dernières années, les supercalculateurs ont aidé les spécialistes des matériaux à résoudre certains de ces problèmes de prédiction épineux, mais deux études récentes de l’Université de Washington montrent comment des techniques informatiques plus récentes peuvent aider les chercheurs à détecter des matériaux quantiques prometteurs à étudier. La première étude, publiée le 2 juin dans les Proceedings of the National Academy of Sciences, montre comment les chercheurs peuvent utiliser l’intelligence artificielle pour simuler des douzaines de feuilles d’atomes empilées dans des motifs complexes, un processus qui produit des comportements quantiques complexes et potentiellement utiles. La deuxième étude, publiée le 8 juin dans Nature Communications, montre comment les ordinateurs quantiques peuvent créer une boucle de conception auto-améliorative en découvrant de nouveaux matériaux qui pourraient eux-mêmes être des composants de futurs ordinateurs quantiques.
« Ce qui est passionnant, c’est que l’IA et l’informatique quantique commencent à changer non seulement les problèmes que nous pouvons résoudre, mais aussi la manière dont nous faisons de la recherche », a déclaré Ting Cao, professeur associé en science et ingénierie des matériaux à l’UW et auteur principal des deux études.
Ces deux nouveaux outils — l’IA et l’informatique quantique — sont complémentaires en ce sens qu’ils excellent chacun dans un type différent de problème de simulation. Avec la bonne formation, un modèle d’IA peut agir comme un substitut rapide et relativement peu coûteux d’un supercalculateur, extrapolant le comportement de systèmes matériels géants à partir d’un ensemble de données relativement petit. Cao et ses collaborateurs ont utilisé cette approche pour empiler des feuilles virtuelles d’atomes les unes sur les autres à plusieurs reprises — un processus qui a créé des phénomènes complètement nouveaux, absents à plus petite échelle, mais qui aurait été peu pratique à modéliser par supercalcul traditionnel. À partir de là, les chercheurs peuvent essayer de fabriquer les matériaux les plus prometteurs en laboratoire pour valider les simulations.
Les ordinateurs quantiques, quant à eux, sont essentiellement alimentés par les mêmes phénomènes quantiques — comme l’intrication — que Cao et d’autres chercheurs en matériaux souhaitent étudier. Ces phénomènes peuvent être difficiles à simuler avec des ordinateurs traditionnels ou des systèmes d’IA, mais les ordinateurs quantiques sont naturellement adaptés à cette tâche. Dans l’étude, Cao et son équipe ont utilisé un ordinateur quantique pour étudier une phase exotique de la matière connue sous le nom d’état de Laughlin.
À l’avenir, Cao et son équipe prévoient d’étoffer davantage leurs ensembles de données et de développer éventuellement des modèles capables de simuler une gamme beaucoup plus large de matériaux. Ils espèrent également combiner leurs systèmes d’IA et d’informatique quantique en un outil hybride plus puissant et plus flexible.
« La prochaine étape consiste à rassembler ces outils », a déclaré Cao. « Nous pouvons utiliser l’IA pour guider les simulations quantiques, et les ordinateurs quantiques pour générer de nouvelles données et perspectives qui améliorent les modèles d’IA. »
« Nous sommes au début d’une nouvelle ère », a déclaré Di Xiao, professeur et président du département de science et ingénierie des matériaux à l’UW et co-auteur des deux études. « Notre domaine change fondamentalement. Des choses qui étaient littéralement impossibles il y a quelques années deviennent maintenant routinières. Et nous commençons seulement à voir ce que l’IA et l’informatique quantique rendront possible pour les matériaux quantiques. »
La première étude a été dirigée par Yueyao Fan, doctorant en science et ingénierie des matériaux à l’UW. La deuxième étude a été dirigée par Lingnan Shen, doctorant en physique à l’UW. Une liste complète des auteurs est incluse dans les études.
Article : Realization of fermionic Laughlin state on a quantum processor – Journal : Nature Communications – DOI : Lien vers l’étude
Source : Washington U.
