
Исследователи из Университета Эмори и Йельского университета представили новый метод, который с помощью искусственного интеллекта сокращает время поиска сложных квантовых фаз в материалах с месяцев до минут. Это может значительно ускорить исследования в области квантовых материалов, особенно низкоразмерных сверхпроводников, которые способны проводить электричество без потерь энергии.
Традиционные методы изучения таких материалов сталкиваются с серьёзными трудностями из-за сложных взаимодействий между частицами и непредсказуемых колебаний. Например, чтобы определить точку перехода в сверхпроводящее состояние, учёные обычно анализируют энергетический зазор — показатель, который часто теряет смысл в системах с сильными квантовыми флуктуациями. Новый подход использует машинное обучение для анализа спектральных данных, что позволяет быстро и точно идентифицировать фазовые переходы даже при ограниченных экспериментальных данных.

Для обучения модели учёные использовали симуляции, генерирующие большие объёмы данных, которые затем дополняли экспериментальными измерениями. Это подобно обучению автономных автомобилей: модели сначала тестируются в виртуальной среде, а затем применяют полученные знания в реальных условиях. В результате метод позволяет распознавать ключевые характеристики фазовых переходов даже по единичным спектральным снимкам.
Проверка метода на купратах — материалах, известных своими высокотемпературными сверхпроводящими свойствами, — показала точность около 98%. Это открывает путь для более быстрого и масштабируемого поиска новых квантовых материалов, что может привести к прорывам в энергетике, электронике и вычислительных технологиях. Учёные надеются, что их работа станет важным шагом на пути к созданию материалов, способных к сверхпроводимости при комнатной температуре.
-
16.04.2025 10:02:00 | iXBT.com
16.04.2025 09:22:00 | iXBT.com
16.04.2025 09:19:00 | iXBT.com
16.04.2025 09:16:00 | iXBT.com
16.04.2025 09:05:00 | iXBT.com
16.04.2025 08:58:00 | iXBT.com
16.04.2025 08:55:00 | iXBT.com
16.04.2025 08:55:00 | iXBT.com
16.04.2025 08:39:00 | iXBT.com
16.04.2025 08:39:00 | iXBT.com
16.04.2025 08:33:00 | iXBT.com
16.04.2025 08:09:00 | iXBT.com
16.04.2025 08:00:00 | iXBT.com
16.04.2025 07:52:00 | iXBT.com
16.04.2025 07:38:00 | iXBT.com
16.04.2025 07:32:00 | iXBT.com
16.04.2025 07:27:00 | iXBT.com
16.04.2025 07:07:00 | iXBT.com
16.04.2025 06:59:00 | iXBT.com
16.04.2025 06:44:00 | iXBT.com
16.04.2025 06:31:00 | iXBT.com
16.04.2025 06:21:00 | iXBT.com
16.04.2025 06:15:00 | iXBT.com
16.04.2025 06:08:00 | iXBT.com
16.04.2025 00:42:16 | Ведомости
16.04.2025 00:26:00 | iXBT.com
15.04.2025 23:45:00 | iXBT.com
15.04.2025 23:22:00 | iXBT.com
15.04.2025 22:40:00 | iXBT.com
-
10.05.2025 00:00:00 | ferra.ru
09.05.2025 20:55:24 | Хабр
09.05.2025 19:29:16 | ferra.ru
09.05.2025 18:23:43 | ferra.ru
09.05.2025 18:03:19 | ferra.ru
09.05.2025 17:34:51 | vc.ru
09.05.2025 17:29:23 | ferra.ru
09.05.2025 16:59:13 | ferra.ru
09.05.2025 16:29:21 | ferra.ru
09.05.2025 15:36:41 | ferra.ru
09.05.2025 15:00:50 | ferra.ru
Техническая поддержка проекта ВсеТут