穿过网格状晶格的电子的行为根本不像弹球机中漂亮的银球。 它们在集体舞蹈中模糊和弯曲，跟随波浪般的现实的突发奇想，这种现实很难想象，更不用说计算了。
然而科学家们已经成功地做到了这一点，在模拟中捕获了电子围绕方形晶格移动的运动？ 到目前为止 ？ 需要数十万个单独的方程才能产生。
使用（人工智能）为了将这项任务减少到只有四个方程，物理学家使研究复杂量子材料的涌现特性的工作变得更加容易管理。
这样做，这一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。
它还可以推进真正传奇的工具为了预测固态材料中的电子行为，哈伯德模型？ 同时加深我们对物质相的理解，例如， 发生。
超导是一种奇怪的现象，当电子流畅通无阻地流过材料时，当它们从一个点滑到另一个点时几乎没有损失任何能量时，就会出现超导现象。 不幸的是，创造这种状态的大多数实用方法都依赖于极低的温度，如果不是的话。 利用接近室温的超导性可以带来更高效的电网和设备。
由于在更合理的条件下实现超导仍然是一个崇高的目标，物理学家开始使用模型来预测电子在各种情况下的行为方式，从而预测哪些材料可以制成合适的导体或绝缘体。
这些模型都有自己的工作要做。 毕竟，电子不会像小球一样在原子网络中滚动，具有明确定义的位置和轨迹。 它们的活动是一团混乱的概率，不仅受到周围环境的影响，还受到它们与途中遇到的其他电子相互作用的历史的影响。
当电子相互作用时，它们的命运就会紧密地交织在一起，或者说“'。 模拟一个电子的行为意味着同时跟踪模型系统中所有电子的可能性范围，这使得计算挑战变得更加困难。
哈伯德模型是一个已有数十年历史的数学模型，它在一定程度上准确地描述了电子通过原子晶格的混乱运动。 多年来，令物理学家高兴的是，看似简单模型已通过实验实现了各种复杂材料。
随着计算机能力的不断增强，研究人员开发了基于哈伯德模型物理的数值模拟，使他们能够掌握底层晶格拓扑的作用。
例如，2019 年，研究人员证明哈勃模型能够代表超导性，为研究人员使用该模型更深入地了解该领域开了绿灯。
这项新研究可能是又一次重大飞跃，大大简化了所需方程的数量。 研究人员开发了一种机器学习算法来改进一种称为重正化群的数学装置，物理学家用它来探索材料系统在温度等属性发生变化时的变化。
意大利博洛尼亚大学的物理学家兼主要作者多梅尼科·迪·桑特（Domenico Di Sante）表示：“它本质上是一台能够发现隐藏模式的机器。”说团队开发的程序。
“我们从所有这些耦合在一起的微分方程的巨大对象开始”？ 每个代表纠缠电子对？ “然后我们使用把它变成小到用手指就能数出来的东西。”迪桑特说他们的方法。
研究人员证明，他们的数据驱动算法可以仅使用少数方程来有效地学习和概括哈伯德模型的动力学？ 准确地说是四个？ 并且不牺牲准确性。
“当我们看到结果时，我们说，‘哇，这超出了我们的预期。’ 我们确实能够捕捉到相关的物理现象，”说桑特.
使用数据训练机器学习程序花了数周时间，但迪桑特和同事表示，它现在可以适应其他诱人的凝聚态问题。
到目前为止，模拟仅捕获了晶格网络中相对较少数量的变量，但研究人员预计他们的方法应该可以相当地扩展到其他系统。
如果是这样，它在未来可以用来探索导电材料在清洁能源发电等应用中的适用性，或者帮助设计有朝一日可能实现难以捉摸的室温超导性的材料。
研究人员指出，真正的考验将是该方法在更复杂的量子系统（例如电子在长距离相互作用的材料）上的效果如何。
目前，这项工作展示了使用人工智能提取动态电子的紧凑表示的可能性，“这是解决多电子问题的尖端量子场理论方法成功的最重要的目标，”研究人员得出结论在他们的摘要中。
该研究发表于物理评论快报。
