Aprendizaje automático cuántico para la filtración en estado propio en materiales bidimensionales

Área de la Ciencia:

• La computación cuántica
• Aprendizaje automático
• Ciencias de los materiales

Sus antecedentes:

• Los algoritmos de aprendizaje automático cuántico ofrecen ventajas sobre los métodos clásicos mediante la utilización de computadoras cuánticas.
• Los algoritmos actuales se centran principalmente en el cálculo del estado fundamental de los sistemas.
• Explorar los estados excitados es crucial para comprender las propiedades de los materiales.

Objetivo del estudio:

• Desarrollar un algoritmo cuántico capaz de filtrar cualquier estado propio de energía.
• Para demostrar la eficacia del algoritmo en una nueva clase de materiales.
• Proporcionar una nueva herramienta para explorar las estructuras de banda de materiales.

Principales métodos:

• Una red neuronal superficial codifica el estado cuántico deseado.
• Los circuitos cuánticos muestran la distribución de Gibbs-Boltzmann para obtener información de amplitud.
• El cálculo clásico extrae la información de fase a través de la activación no lineal.
• Se muestra que los requisitos de recursos del algoritmo son cuadráticos.

Principales resultados:

• El algoritmo cuántico filtra con éxito los estados propios de energía específicos basados en la simetría o la elección del usuario.
• Eficacia demostrada en los dicalcogenuros de metales de transición de una sola capa, un área nueva para las simulaciones cuánticas.
• Los resultados de los simuladores cuánticos y los dispositivos IBM-Q se alinean con los cálculos convencionales.

Conclusiones:

• El algoritmo cuántico desarrollado ofrece un nuevo enfoque para la filtración de estados más allá de los estados fundamentales.
• Este protocolo se puede aplicar para explorar las estructuras de banda de materiales avanzados.
• El método presenta una alternativa viable a la estructura electrónica clásica y las técnicas de aprendizaje automático.