СПАРК

Сегодня предлагаем вам снова вернуться на коллайдер и детальнее познакомиться с теоретическими обоснованиями эффективного применения квантовых алгоритмов для решения проблем физики высоких энергий. 🔴 Классическим компьютерам особенно трудно моделировать квантовую динамику в реальном времени, так как из-за осциллирующих вкладов статистическое моделирование становится крайне неэффективным, и вычислительная стоимость быстро растёт. Физическую теорию переводят в гамильтонову формулировку решёточных калибровочных моделей, где пространство дискретизируется, время остается непрерывным, а квантовые поля кодируются состояниями кубитов. Затем квантовая система эволюционирует под действием гамильтониана, что позволяет квантовому процессору симулировать взаимодействие и эволюцию. В качестве начального состояния выбирают то, которое соответствует столкновению. Это позволяет проследить развитие системы и распределение продуктов распада. Пока такие эксперименты проводят на небольших моделях КЭД и других упрощённых теориях. Но в перспективе этот подход может позволить изучать квантовые процессы, для которых прямой классический расчёт становится слишком дорогим. 🔴 После столкновения начинается вычислительная реконструкция. Трековый детектор оставляет множество точек, из которых необходимо определить принадлежащие одной частице. Количество возможных комбинаций быстро растёт. В условиях будущих высокоинтенсивных экспериментов через небольшой участок детектора могут проходить тысячи заряженных частиц, а число возможных кандидатов на траектории масштабируется квадратично или кубически по числу точек. Поэтому трекинг уже является одним из крупнейших потребителей CPU в физике высоких энергий. Одним из вариантов решения проблемы видят перевод задачи в QUBO: выбрать такой набор потенциальных треков, который лучше всего согласуется с зарегистрированными сигналами. Для каждой потенциальной траектории вводится бинарная переменная, указывающая на принадлежность к конкретному набору пространственных точек. Затем строится квадратичный гамильтониан, основное состояние которого соответствует наиболее согласованному набору треков. Главная проблема данного подхода заключается в масштабе. Реальная задача может требовать порядка 10 тысяч переменных, тогда как современные квантовые устройства справляются с существенно меньшим количеством. Поэтому дальнейший практический путь видят в построении эффективных гибридных алгоритмов. Ещё несколько применений будет рассмотрено в следующих постах. Первая часть: https://t.me/sparqteam/432 #sparqexplain

История ферромагнитного резонанса началась задолго до появления современной спинтроники. Уже в первой половине XX века физики понимали, что намагниченность ферромагнетика — это не просто статическая величина. В 1935 году Лев Ландау и Евгений Лифшиц предложили уравнение, описывающее динамику намагниченности. В нём появилось важное представление: магнитный момент не просто возвращается в исходное положение, а совершает затухающую прецессию вокруг эффективного магнитного поля. Следующий важный шаг произошёл в 1940-х годах, когда развитие радиофизики и СВЧ-техники позволило экспериментально исследовать такие движения. Как это работает? Если поместить ферромагнетик во внешнее магнитное поле, его магнитные моменты стремятся выстроиться вдоль поля. Но если слегка отклонить намагниченность от равновесного направления, она не просто вернётся обратно. Вектор намагниченности начнёт прецессировать вокруг эффективного магнитного поля — примерно так же, как ось вращающегося волчка прецессирует вокруг вертикали. На этом и основан ферромагнитный резонанс (FMR, ferromagnetic resonance). Одни из первых убедительных экспериментов с ферромагнитным резонансом были выполнены в середине 1940-х годов. Вскоре Чарльз Киттель построил теорию, связывающую резонансную частоту не только с внешним магнитным полем, но и со свойствами самого образца: его формой, магнитной анизотропией и внутренними полями. Это оказалось принципиально важным. Резонанс превратился из интересного физического эффекта в инструмент исследования вещества. В эксперименте FMR обычно выглядит довольно просто: образец помещают в магнитное поле и измеряют прохождение или поглощение СВЧ-сигнала. При достижении резонанса на графике появляется характерный пик или провал. Но за этим простым графиком скрывается коллективное движение огромного числа магнитных моментов. По положению резонанса можно определить магнитные свойства материала, а по ширине линии — понять, насколько быстро затухает движение намагниченности. Поэтому FMR стал одним из основных методов изучения ферромагнитных плёнок, многослойных структур и магнитных наноматериалов. Сегодня ферромагнитный резонанс используют при разработке магнитной памяти, спинтронных устройств, магнонных систем и высокочастотной электроники. Интересно, что физический принцип при этом остаётся практически тем же, что и в первых экспериментах середины прошлого века: мы возбуждаем коллективное движение магнитных моментов и смотрим, на какой частоте система отвечает сильнее всего. По сути, ферромагнитный резонанс позволяет сделать динамику спинов видимой — в виде одного небольшого резонансного пика на экране прибора. #spaqexplain

Математические конструкции прекрасны сами по себе, и большинство учёных-математиков изучают эти абстракции просто потому, что они красивы сами по себе. Но математика не была бы царицей наук, если бы она не находила приложений повсеместно в окружающем нас мире. Одним из самых ярких примеров такой абстракции стала теория групп. В начале XIX века молодой французский математик Эварист Галуа заметил: возможность решить уравнение определяется симметриями, связывающими его корни. Так появилась идея изучать не отдельные числа, а целые системы преобразований. Позднее математики превратили её в самостоятельную теорию групп. Одним из первых объектов реального мира, к которым удалось применить новый математический язык, стали кристаллы. Их правильные грани давно подсказывали учёным, что внутри вещества скрывается некоторый порядок. Кристалл можно повернуть, отразить или мысленно сдвинуть его структуру на определённое расстояние — и расположение атомов останется прежним. Такие преобразования естественным образом образуют математическую группу. В 1840-х годах французский физик Огюст Браве показал, что существует всего 14 типов пространственных решёток. Однако первым явным мостом между теорией групп и кристаллографией обычно считают работу французского математика Камиля Жордана «О группах движений», опубликованную в 1869 году. Жордан попытался классифицировать комбинации переносов, поворотов и других движений пространства. Его список ещё не был полноценной классификацией кристаллических структур, но он показал главное: возможные симметрии кристаллов можно не просто наблюдать и описывать — их можно строго вывести из математики. Решающий шаг сделал российский кристаллограф Евграф Фёдоров. В 1891 году он получил полный список из 230 пространственных групп — всех возможных типов симметрии периодических кристаллов. Самое удивительное, что эта классификация появилась раньше рентгеноструктурного анализа: внутреннее расположение атомов ещё нельзя было увидеть экспериментально. Математика описала все возможные симметрии кристаллов раньше, чем физика научилась их различать. Так абстрактная теория, возникшая из задачи о корнях уравнений, стала одним из главных языков изучения вещества. Материал подготовлен СПАРКом совместно с коллегами из Курчатовского комплекса — https://t.me/fsrc_channel #sparqhistory

Дайджест новостей: — Друзья, мы наконец-то выпустили КВАНТОВЫЙ ДЕТЕКТИВ, видео-расследование о том, как в мире пропала определенность. Мы очень рады вашей обратной связи, если есть те, кто еще не успел, обязательно посмотрите этот выпуск! — Если вы не знаете как выигрывать споры с научруком, босом или любым другим человеком, то можете прочитать про метод Гиндзбурга в спорах с Ландау) — Как с помощью минимального набора измерений можно точно восстановить состояние квантовой системы и почему универсального способа для всех случаев пока не нашли? Разбираем в посте — Смогут ли квантовые компьютеры помочь ученым моделировать столкновения частиц и обрабатывать огромные объемы данных Большого адронного коллайдера? — Продолжаем разбирать как в разных странах по-разному регулируются квантовые коммуникации и почему Запад здесь полная противоположность Востоку? #sparqnews Мы уходим делать для вас новые съемки и подготавливать мероприятие, скоро будет еще много экслюзива! Остаемся на связи)

Мы не поддержим использование квантовой связи для государственных и военных задач — заявляет британское агентство кибербезопасности и 10 лет финансирует национальную квантовую сеть. 🔴Пентагон говорит, что не будет использовать эту технологию — и тут же её разрабатывает. 🔴Странное совпадение? А вот и нет, такое происходит в большинстве стран, а почему — рассказываем в новой части постов о квантовой криптографии https://t.me/sparqteam/422 - первая часть рынок квантов #sparqexplain

Представьте: более 100 метров под землёй, 27 км в кольцевом тоннеле при температуре 1,9 кельвина. В сердце детекторов частицы, разогнанные с помощью сверхпроводящих магнитов, сталкиваются на скорости 99,9999991% от скорости света, составляющей 299 млн 792 тыс. 458 м в секунду. В момент столкновения происходит высвобождение колоссальной энергии, сконцентрированной в объёме меньше атомного ядра. Возникают кварки, глюоны и другие частицы. Практически мгновенно они взаимодействуют и распадаются, порождая каскад вторичных частиц. Детекторы, подобные гигантским цифровым камерам, ловят этот ливень, превращая его в набор данных — десятки терабайт в секунду, которые необходимо обработать, реконструировать и сопоставить с теоретическими моделями. Именно в них скрыты в том числе и ответы на фундаментальные вопросы физики. Да, речь идёт о Большом адронном коллайдере. Физика высоких энергий стала источником сложных вычислительных задач, с которыми классические устройства справляются всё хуже, а модернизация, которую планируют провести в ближайшие несколько лет, только острее ставит этот вопрос перед учёными. С теоретической точки зрения сложности касаются исследования моделей, которые тяжело или даже невозможно рассчитать с помощью классических методов, а с экспериментальной — огромного объёма данных, генерируемых новыми предполагаемыми экспериментами. В связи с этим команды CERN, DESY и IBM Quantum 100×100 провели оценку эффективности применения квантовых вычислений для поставленных задач. Результат оказался очень интересным, поэтому предлагаем с ним ознакомиться и погрузиться в изучение применения данной технологии в области, о которой немногие задумываются. В следующих постах разберём, как квантовые вычисления могут применяться для: 🔴 моделирования столкновений; 🔴 восстановления траекторий частиц; 🔴 обработки данных коллайдера. 🔴 генерации симуляций столкновений. Ждите продолжение! #sparqexplain

Тот самый новый формат, о котором мы говорили Встречайте — КВАНТОВЫЙ ДЕТЕКТИВ В микромире произошло идеальное преступление. Жертва — классическая физика. Подозреваемые — Планк, Гейзенберг, Шрёдингер и Бор. Кто из них «убил» определённость и почему после этого мир перестал быть предсказуемым? Разбираемся в новом выпуске СПАРКа, который мы сняли вместе с командой PCPS — @imprintscience Смотреть выпуск: YouTube 📱: https://youtu.be/ouHa2zvNWvo VK Видео 📱: https://vkvideo.ru/video-237559927_456239051 Будем очень ждать вашу обратную связь — для нас это экспериментальный формат, и хочется понять, делать ли такие научные расследования дальше. #sparqlive

Хотя общий подход POVM (Positive Operator-Valued Measure) решает проблему размерности и позволяет выйти за рамки ортогональных проективных измерений, на практике возникает вопрос: как выбрать конкретный набор операторов, чтобы восстановление состояния было не просто возможным, но и устойчивым к ошибкам. «Классическое» POVM может содержать избыточное или неравномерно распределённое количество элементов, что усложняет обработку данных и снижает точность томографии. Идеальным компромиссом между полнотой и минимальной избыточностью выступает SIC-POVM (Symmetric Informationally Complete POVM). *Informationally Complete* означает, что данный набор операторов образует базис в пространстве всех эрмитовых операторов, позволяя однозначно восстановить матрицу плотности по набору вероятностей. Однако ключевое слово здесь — *Symmetric*. В таком измерении все элементы обладают одинаковой структурой: каждый оператор является проектором на некоторое состояние, а модуль скалярного произведения между любыми двумя проекторами равен 1/d+1, где d — размерность гильбертова пространства. Благодаря этой симметрии число элементов SIC-POVM всегда равно квадрату размерности — ровно столько, сколько вещественных параметров содержит матрица плотности. Это минимально возможное количество исходов для информационно полного измерения. На практике это означает, что SIC-POVM даёт равномерное покрытие пространства состояний и обеспечивает максимальную робастность к статистическим флуктуациям при оценивании. Более того, для SIC-POVM существует простой метод восстановления состояния, когда матрица плотности выражается линейной комбинацией всех проекторов с весами, равными полученным вероятностям. Однако, несмотря на свою привлекательность, SIC-POVM остаётся одной из самых интригующих открытых задач квантовой информации. Существование такого измерения строго доказано лишь для некоторых размерностей. Общего доказательства того, что SIC-POVM существует для произвольной конечной размерности d, до сих пор не представлено, что делает эту тему активной областью исследований. #sparqexplain

Виталий Гинзбург не был формально аспирантом Льва Ландау, но считал его одним из своих главных учителей. Правда, спорить с учителем было непросто: по воспоминаниям Гинзбурга, Ландау крайне неохотно признавал собственные ошибки. Тогда Гинзбург придумал хитрость. Во время споров он записывал позицию Ландау на бумаге и просил её подписать. Если позднее прав оказывался Гинзбург, у него оставалось документальное доказательство победы над учителем. Спорить это им не мешало: в 1950 году физики опубликовали знаменитую теорию Гинзбурга — Ландау, которая позволила описывать поведение сверхпроводников и стала одной из важнейших работ в физике конденсированного состояния. Иногда даже в теоретической физике лучший аргумент — бумага с подписью. #sparqhistory

Дайджест новостей: — Как вы можете войти в кванты или найти в них новое вдохновение? Обсудили в посте — Как ученые из MIT смогли поместить внутрь одного Иона логический кубит? — Эрвин Шрёдингер: легенда квантовой физики. Почему без него не было бы квантовых компьютеров? — Квантовый процессор работает в паре с классической микроэлектроникой. В чем плюсы такой архитектуры? #sparqnews И кажется мы снова немного задержались, но новый формат, о котором мы говорили, выйдет совсем скоро И через неделю мы объявим о нашем мероприятия с индустриальными партнерами 🔥

Команда HRL Laboratories представила кремниевый квантовый процессор на 18 спиновых кубитах. Управляет ими специальный CMOS-чип, работающий при криогенной температуре рядом с квантовой системой. Зачем это нужно? При масштабировании квантового компьютера количество проводов и управляющей электроники быстро становится проблемой. Новая архитектура позволяет сделать систему компактнее и использовать технологии, уже знакомые полупроводниковой промышленности. До массового квантового компьютера ещё далеко, но это важный инженерный шаг: масштабировать нужно не только кубиты, но и всю инфраструктуру вокруг них. Исследование в Nature #sparqnews

Кто такой Шрёдингер и почему без него не было бы квантовых компьютеров? Сегодняшний пост про человека, который подарил квантовой физике ее главный «двигатель» — уравнение, без которого невозможны ни атомная энергетика, ни лазеры, ни квантовые процессоры. Знакомьтесь: Эрвин Шрёдингер. 🏷️ Краткая история гения Родился в Вене в 1887 году. Блестяще образован, знал 6 языков, писал стихи. В Первую мировую служил артиллеристом, но успевал следить за теорией относительности Эйнштейна. В 1933 году, когда в Германии пришли к власти нацисты, Шрёдингер отказался оставаться в Берлине, эмигрировал и в том же году получил Нобелевскую премию. Но самое интересное — это его работы. 🔴Главный вклад в науку: Уравнение Шрёдингера (1926) Вдохновившись идеей де Бройля о волнах материи, Шрёдингер вывел уравнение, которое описывает, как меняется состояние квантовой системы во времени. Это как «второй закон Ньютона» для микромира. Уравнение Шрёдингера — это фундамент, на котором сегодня строятся: 1. Квантовые вычисления: эволюция состояния кубита описывается этим уравнением 2. Квантовая криптография: защита данных на основе законов квантовой механики 3. Квантовая метрология: сверхточные атомные часы 🔴Без понимания волновой функции невозможно сделать шаг в сторону, занимаясь квантовыми технологиями. Так что Шрёдингер — это не просто исторический персонаж, а «соавтор» каждого будущего квантового изобретения. Шрёдингер был не просто «сухим» физиком. Он написал знаменитую книгу «Что такое жизнь с точки зрения физики?» (1944). В ней он соединил физику, химию и биологию, ввел понятие «отрицательной энтропии» и по сути заложил основы молекулярной биологии. Эта книга вдохновила Уотсона и Крика на поиски структуры ДНК. Шрёдингер — пример того, что фундаментальное образование открывает двери между дисциплинами. 🐱 P.S. Про кота Есть знаменитый мысленный эксперимент «Кот Шрёдингера» (1935). Он придумал его чтобы высмеять «копенгагенскую интерпретацию». Он показывал ее абсурдность: кот не может быть одновременно жив и мертв. #sparqhistory

Учёные из MIT и лаборатории MIT Lincoln Laboratory поместили логический кубит внутрь одного атомного иона. Обычно для коррекции ошибок информацию распределяют между несколькими физическими кубитами. Исследователи пошли другим путём: задействовали дополнительные внутренние состояния одного иона и закодировали в них так называемый spin-cat-кубит. Коррекция выполнялась автономно — без промежуточного измерения вспомогательного кубита. В результате количество ошибок удалось уменьшить до 2,2 раза, а полезное время жизни квантовой информации увеличить до 1,5 раза по сравнению с обычным незакодированным кубитом. Это пока не отменяет необходимость больших кодов коррекции ошибок. Но эксперимент показывает, что часть защиты можно перенести внутрь самого физического объекта — и потенциально сократить количество дополнительных кубитов и операций. Исследование в Nature Physics #sparqnews

В кванты необязательно входить через физику Кажется, что путь в квантовые технологии выглядит только так: физмат-школа, физический факультет, лаборатория, диссертация. Для разработчика кубитов или физика-экспериментатора такая траектория действительно логична. Но квантовая индустрия уже давно состоит не только из людей, которые собирают оптические схемы и решают уравнение Шрёдингера. Войти в неё можно с очень разным образованием: 🔴 Программирование Квантовым компьютерам нужны компиляторы, облачные платформы, симуляторы, библиотеки и системы управления оборудованием. Здесь пригодятся Python, C++, алгоритмы, высокопроизводительные вычисления и разработка сложного ПО. Начать можно с квантовых алгоритмов и открытых SDK, не имея доступа к настоящему процессору. 🔴 Математика Линейная алгебра, теория вероятностей, оптимизация, теория информации и коды коррекции ошибок лежат в основе квантовых вычислений. Математик может заниматься архитектурой алгоритмов, моделированием шума или разрабатывать способы защиты логических кубитов — без самостоятельной настройки лазеров и криостатов. 🔴 Инженерия Квантовый компьютер — это не только кубиты. Это управляющая электроника, вакуумные системы, лазеры, микроволновая техника, криогеника и огромное количество компонентов. Поэтому индустрии нужны электронщики, оптики, инженеры связи, разработчики микросхем и специалисты по автоматизации. 🔴 Химия и материаловедение Одно из главных ожидаемых применений квантовых вычислений — моделирование молекул и материалов. Чтобы поставить содержательную задачу, недостаточно знать квантовый алгоритм: нужно понимать саму химию. Кроме того, новые материалы необходимы для производства кубитов, фотонных устройств и квантовых сенсоров. 🔴 Информационная безопасность Квантовая связь и постквантовая криптография находятся на пересечении физики, математики и кибербезопасности. Здесь нужны специалисты, которые понимают сетевую инфраструктуру, модели угроз, криптографические протоколы и требования реального бизнеса. 🔴 Экономика и управление Даже работающая технология не превращается в продукт самостоятельно. Нужно найти рынок, оценить стоимость внедрения, привлечь инвестиции и объяснить заказчику, какую проблему решает новая система. Квантовой индустрии нужны аналитики, продуктовые менеджеры, технические предприниматели и специалисты по коммерциализации deep-tech. Конечно, полностью избежать физики не получится. Программисту придётся разобраться, что такое кубит и измерение. Аналитику — почему нельзя оценивать компьютер только по количеству кубитов. Инженеру — какие источники шума разрушают квантовое состояние. Но для входа не обязательно сначала становиться физиком. Гораздо важнее принести в индустрию сильную базовую компетенцию и постепенно дополнить её знаниями о квантовых системах. Если вы уже умеете программировать, проектировать электронику, исследовать материалы или анализировать рынки, возможно, ваш путь в кванты уже начался. #sparqwork

Дайджест новостей: — В период поступлений мы разобрали для вас - какие ВУЗы наиболее релевантные для качественного обучения и развития в квантах. Почитать про них можно здесь — Мы снимаем и выкладываем для вас множество контента, но не все о нем знают. С нашими старыми выпусками вы можете ознакомиться тут. Обязательно посмотрите, если не видели) — А вообще довольно часто в нашей работе возникает задача разделения хайпа на науке от реальных прорывов и успехов в квантах. Какими мы для этого пользуемся принципами рассказываем в посте — Как нейросетями можно упростить сложные вычисления из квантовой механики? — Мы продолжаем обозревать как квантовые технологии рассматривает рынок и на неделе представили какие регуляторные нормативы есть в мире для PQC #sparqnews Также на предстоящей неделе выйдет новый для нас формат видео, ждем вашей обратной связи) И совсем скоро мы объявим о мероприятии, которое мы подготовили для вас с нашими партнерами! Ждите)

«Квантовый компьютер решил невозможную задачу», «новая технология скоро взломает всю криптографию», «учёные создали кубит для компьютера будущего». Такие заголовки появляются почти каждую неделю. Иногда за ними действительно стоит важный результат. Иногда — интересный и красивый эксперимент, но далекий о решения реальных задач. А иногда осторожное научное «потенциально может применяться» по дороге до пресс-релиза превращается в «технология изменит мир». Как понять, что произошло на самом деле? 🔴 Что конкретно продемонстрировали? Есть большая разница между новой теоретической идеей, компьютерным моделированием и экспериментом на реальном устройстве. Фразы «исследователи предложили архитектуру» и «исследователи построили процессор» могут звучать похоже, но описывают совершенно разные стадии готовности технологии. 🔴 С чем сравнивали результат? Если квантовый алгоритм называют быстрее классического, важно узнать, с каким именно классическим методом его сравнивали. Иногда конкурентом оказывается не лучший современный алгоритм, а удобная базовая версия. Настоящее квантовое преимущество начинается не там, где квантовый компьютер решил задачу, а там, где он решил её лучше наиболее эффективного классического решения — с учётом времени, энергии и стоимости оборудования. 🔴 Какой ценой получен рекорд? Сто кубитов ещё не означают сто полезных кубитов. Нужно смотреть на точность операций, связность, время когерентности и глубину схемы, которую устройство может выполнить до того, как результат разрушит шум. То же относится к квантовой связи. Рекордное расстояние выглядит впечатляюще, но важны скорость передачи ключей, стабильность сети и необходимость использовать доверенные промежуточные узлы. 🔴 Можно ли масштабировать эксперимент? Управлять несколькими кубитами в лаборатории — не то же самое, что построить промышленную систему. При масштабировании появляются охлаждение, управляющая электроника, калибровка, коррекция ошибок и стоимость производства. Хорошая научная работа обычно честно говорит об этих ограничениях. Хайповая новость оставляет только рекорд. 🔴 Где опубликован результат? Научная статья с описанием методики и ограничений надёжнее пресс-релиза компании. Но даже публикация в хорошем журнале не означает, что технология готова к рынку. Статья подтверждает научный результат, а не существование коммерческого продукта. Мы обсуждали границу между технологией и обещаниями в выпусках с экономистом Даниилом Лобовым и представителем QRate Александром Приютовым. В обоих разговорах мы возвращались к одному вопросу: где заканчивается научный эксперимент и начинается реальный квантовый бизнес? Универсального ответа пока нет. В deep-tech между первой публикацией и массовым продуктом могут пройти годы или десятилетия. При этом компаниям уже сейчас нужно искать инвестиции, обучать специалистов и объяснять рынку, зачем их технология может понадобиться в будущем. Поэтому хайп — не всегда ложь. Чаще это слишком большая дистанция между реальным результатом и выводом, который из него сделали. Наш простой фильтр для квантовых новостей: Что именно сделали? С чем сравнили? Какие ограничения остались? Можно ли повторить и масштабировать результат? Если после прочтения новости на эти вопросы нет ответа, вероятно, перед вами пока не технологический прорыв, а хорошая история о будущем. #sparqexplain

Чтобы смоделировать движение атомов, нужно знать, как они взаимодействуют: какая энергия соответствует их расположению и какие силы действуют на каждый атом. Точные квантово-механические методы, например теория функционала плотности, умеют это рассчитывать. Но есть проблема: один расчёт может быть дорогим, а для моделирования движения материала нужны тысячи или миллионы таких вычислений. Классические межатомные потенциалы работают быстрее, но описывают взаимодействия с помощью заранее выбранных формул. Для сложных материалов, химических реакций и необычных атомных конфигураций этих приближений часто недостаточно. Здесь появляются машинно-обученные межатомные потенциалы. Принцип похож на обучение очень специализированной нейросети. Сначала исследователи проводят набор точных квантово-механических расчётов и получают для разных атомных структур: 🔴 полную энергию системы; 🔴 силы, действующие на атомы; 🔴 иногда напряжения и другие характеристики. После этого модель учится восстанавливать поверхность потенциальной энергии — своеобразную карту, которая показывает, какие конфигурации атомов устойчивы и куда они будут двигаться дальше. Одну из ключевых архитектур предложили Йорг Бехлер и Микеле Парринелло в работе 2007 года. Они показали, что нейронная сеть может описывать энергию больших атомных систем и при этом работать на порядки быстрее исходных квантовых расчётов. Современные модели пошли дальше. Например, MACE учитывает геометрию атомного окружения и то, как оно изменяется при поворотах системы. Это позволяет точнее описывать сложные многочастичные взаимодействия. Зачем всё это нужно? С машинно-обученными потенциалами можно моделировать системы из тысяч и даже миллионов атомов на временных масштабах, которые недоступны прямым квантовым расчётам. Так исследуют: 🔴 диффузию ионов в аккумуляторах; 🔴 дефекты и разрушение кристаллов; 🔴 катализаторы и химические реакции; 🔴 фазовые переходы; 🔴 аморфные материалы и сложные молекулы. Но есть нюанс. Такой потенциал не заменяет квантовую механику — он учится воспроизводить результаты выбранного квантового метода. Если модель встретит атомную конфигурацию, которой не было в обучающих данных, она может выдать убедительный, но физически неверный ответ. Поэтому главная задача здесь — не просто создать нейросеть, а понять, где ей можно доверять. Для этого модели проверяют на независимых структурах, дополняют новыми расчётами и переобучают на ситуациях, в которых они ошибаются. Машинно-обученный потенциал можно представить как очень быстрого ученика: он способен повторить миллионы решений эксперта, но только пока задача не выходит далеко за пределы пройденного материала. #sparqexplain