通过网格晶格搅动的电子根本不像弹球机中漂亮的银色球体那样行事。他们在集体舞蹈中模糊而弯曲，遵循像波浪一样的现实，难以想象，更不用说计算了。
然而，科学家们已经成功地做到了这一点，捕获了电子在模拟中移动正方形晶格的运动，到目前为止，这些晶格需要数十万个单独的方程式才能产生。
使用（AI）为了将该任务降低到只有四个方程式，物理学家已经完成了研究复杂量子材料的新兴特性的工作。
这样一来，这种计算壮举可以帮助解决量子物理学中最棘手的问题之一，即“多电子”问题，该问题试图描述包含大量相互作用电子的系统。
它也可以推进真正的传奇工具为了预测固态材料中的电子行为，哈伯德模型 - 一直在提高我们对物质方面的理解，例如， 发生。
超导性是一种奇怪的现象，当电子电流不受阻碍地流过材料时，由于它们从一个点滑到另一个点时几乎没有能量。不幸的是，创建这种状态的大多数实用方法都依赖于高温，否则。利用超导性接近室温可能会导致更有效的电网和设备。
由于在更合理的条件下达到超导性仍然是一个崇高的目标，因此物理学家已将使用模型来预测电子在各种情况下如何行为，因此哪些材料制造了合适的导体或绝缘体。
这些模型为他们削减了工作。毕竟，电子不会像微小的球一样滚动原子网络，其位置和轨迹明确。他们的活动是一堆概率，不仅受周围环境的影响，而且受其与其他电子相互作用的历史的影响。
当电子相互作用时，他们的命运可能会紧密相互交织，或者''。模拟一个电子的行为意味着一次跟踪模型系统中所有电子的可能性范围，从而使计算挑战更加困难。
哈伯德模型是一个数十年来的数学模型，它通过原子的晶格描述了电子的混乱运动。多年来，对物理学家的喜悦，很多看似简单模型已经在实验中实现了广泛的复杂材料。
随着计算机功能的不断增长，研究人员开发了基于哈伯德模型物理学的数值模拟，使他们能够掌握基础晶格拓扑的作用。
例如，在2019年，研究人员证明了哈勃模型能够代表超导性，向研究人员赋予绿灯，以使用模型对该领域进行更深入的了解。
这项新研究可能是另一个大飞跃，大大简化了所需的方程数量。研究人员开发了一种机器学习算法，以完善一种名为重新归一化组的数学设备，当诸如温度（例如温度）更改时，物理学家用该算法来探索材料系统的变化。
“这本质上是一台机器，有能力发现隐藏的模式，”物理学家兼意大利博洛尼亚大学的Domenico di Sante，说团队制定的计划。
“我们从所有这些耦合的搭配差分方程的巨大对象开始 - 每个代表纠缠电子对 - 然后我们正在使用要把它变成如此小的东西，您可以用手指计算它。” Di Sante说他们的方法。
研究人员证明，他们的数据驱动算法可以有效地学习和概括哈伯德模型的动态，仅使用少数方程式（即精确的四个）而没有牺牲准确性。
“当我们看到结果时，我们说，'哇，这超出了我们的预期。”我们真的能够捕获相关的物理学，”说桑特。
使用数据训练机器学习计划花费了数周，但是Di Sante及其同事说，现在可以改编它来处理其他工作，从而诱使凝结的问题。
到目前为止，这些模拟仅捕获晶格网络中相对少量的变量，但是研究人员希望他们的方法应相当扩展到其他系统。
如果是这样，将来可以用来探测包括清洁能源的应用的适用性，或者有助于设计有一天可能会提供这种难以捉摸的室温超导性的材料。
研究人员指出，真正的测试将是该方法在更复杂的量子系统（例如电子中长距离相互作用的材料）上的作用。
目前，这项工作证明了使用AI提取动态电子的紧凑表示的可能性，“这是成功解决许多电子问题的尖端量子场理论方法最重要的目标，“研究人员”总结在他们的抽象中。
该研究发表在物理评论信。
