O uso de machine learning no estudo de transições de fases quânticas

• Processo: 21/03074-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2021
• Data de Término da vigência: 31 de julho de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física da Matéria Condensada
• Pesquisador responsável: Felipe Fernandes Fanchini
• Beneficiário: Pedro Marcelo Prado
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Assunto(s): Mecânica quântica Aprendizado computacional Transição de fase quântica
• Palavra(s)-Chave do Pesquisador: machine learning | Transição de fase quântica | Física quântica

Resumo

O Estudo das transições de fases quânticas é um aspecto de grande interesse na comunidade científica. Apesar dos enormes esforços para se detectar as transições e classificar as fases, atualmente este ainda é um grande problema dado o esforço computacional necessário na diagonalização das matrizes de alta dimensão. Nosso objetivo, nesse sentido, é entender como as técnicas de Machine Learning (ML) podem ser úteis na detecção e classificação das transições de fases quânticas. Iremos trabalhar com modelos diversos, tanto de spin-1, quanto spin-1/2, levando à prova a efetividade dos métodos de ML. Pretendemos, fazendo uso das técnicas clássicas de ML, desenvolver um algoritmo "classificador universal", de forma que dado um modelo físico arbitrário e desconhecido, esse possa descrever o diagrama de fases do sistema. (AU)