새로운 돌파! 과학자들은 기계 학습을 이용하여 양자 스핀 액체를 시뮬레이션한다

똑같은(혹은 나쁜) 두 가지 중 하나를 선택해야 한다는 고민도 있었다.소립자가 특수한 유형의 양자 시스템에서 두 가지 서로 경쟁하는 힘을 느낄 때 그 좌절도 느낀다.
 
일부 자기체에서는 입자의 스핀(입자가 그 주위를 도는 축으로 간주됨)이 서로 맞춰지는데, 다른 자기체에서는 반드시 교대로 방향을 바꾸어야 한다.그러나 소수 자료에서 이런 정렬 또는 반대 흐름이 서로 경쟁하면서 이른바 좌절 자성이 나타났다.이런 좌절은 스핀이 다른 방향에서 요동친다는 것을 의미하며, 심지어 절대 0도에서도 그렇다.이것은 양자 스핀 액체라고 불리는 기이한 물질의 상태를 창조하였다.
 
연구진은 기계 학습 방법을 창조했는데, 일종의 복잡하고 기발한 양자 재료의 상태 특성을 예측할 수 있다.이 같은 진전은 앞으로 양자컴퓨터의 발전에 도움이 될 것으로 보인다.

양자스핀 액체를 위한 모델링은 매우 도전적인데, 그 양자 상태를 구성하는 상호 의존 스핀 구조형의 수가 입자의 수가 증가함에 따라 지수가 증가하기 때문이다.
 
이 문제를 극복한 머신러닝은 좌절된 자석에 양자스핀 액상이 존재한다는 사실을 밝혀낸다.이 기계 학습 방법은 이미 이러한 복잡한 시스템과 관련된 어려움을 극복하였으며, 동시에 2차원 스핀 시스템에서 양자 스핀 액체의 존재를 이미 확정하였다.

이 연구는 실제 재료에서 양자스핀을 실현하는 데 유용한 지도 원칙을 제공했다.그러나 이 연구는 어려운 물리문제를 해결하는 기계학습의 힘을 강조했다는 더 광범위한 정보가 있다.
 
연구진은 머신러닝을 새로운 도구로 사용함으로써 물리학의 장기적 문제를 해결할 수 있는데, 이런 문제들은 사람의 뇌로는 해결하기 어렵다고 말한다.미래에는 사람의 뇌 외에 '기계 뇌'를 사용하는 것이 다른 미해결 문제에 새로운 시사점을 줄 것이다.
 
 Dirac-Type Nodal Spin Liquid Revealed by Refined Quantum Many-Body Solver Using Neural-Network Wave Function, Correlation Ratio, and Level Spectroscopy 라는 제목의 연구논문은 '물리리뷰X'(Physical Review X)에 발표됐다.