Электронный джаз: как самовнимание нейросетей раскрывает квантовую симфонию ✛ ✦
Квантовый мир многих тел — это джазовый ансамбль, где каждый электрон импровизирует, непрерывно прислушиваясь ко всем остальным, и общая волновая функция рождается из этого напряжённого диалога. Но расписать ноты для сотен музыкантов практически невозможно: сложность взрывается экспоненциально, и традиционные методы, вроде вариационного Монте-Карло, часто вынуждены играть по упрощённым нотам. Тут вступает машинное обучение: нейросети с самовниманием обещают строить сложные запутанные волновые функции напрямую из координат электронов, без ручной настройки — словно каждый электрон обзаводится «социальным графом» взаимодействий. Вопрос стоял остро: не потеряют ли эти гибкие архитектуры точность при масштабировании к системам, приближающимся к термодинамическому пределу — той границе, где горстка атомов превращается в вещество привычных размеров?
Ответ дала работа с двумерным однородным электронным газом — квантовой плазмой, где кулоновское отталкивание и принцип Паули создают богатейшую физику. Авторы использовали нейросетевой анзац на основе трансформера, генерирующий суперпозицию детерминантов Слэтера. Секрет в том, что он не опирается на готовые орбитали, а строит их «на лету», учитывая окружение каждой частицы. Ключевой механизм — пространственно-взвешенное самовнимание: к стандартному attention добавлен экспоненциальный множитель, затухающий с расстоянием между электронами. Это фокусирует сеть на локальных корреляциях, но через множество слоёв сохраняется чувствительность к дальнодействию — словно каждый электрон особенно внимателен к соседям, но не теряет из виду дирижёрскую палочку электромагнетизма, пронизывающего всё пространство.
Системы вплоть до 169 электронов с сильным взаимодействием (параметр плотности rs=30 и 40) были оптимизированы вариационным Монте-Карло. Нейросетевая волновая функция обошла по точности эталонные расчёты диффузионного Монте-Карло — выигрыш до полутора процентов по корреляционной энергии. Но главное сокровище — прямой доступ к полной волновой функции, позволивший вычислить наблюдаемые: импульсное распределение с резким ферми-жёстким скачком (фирменный знак ферми-жидкости) и статический структурный фактор. При низкой плотности (rs=40) в нём проявились брэгговские пики — предвестники вигнеровского кристалла. А с помощью остроумного соотношения Фейнмана, ε(q) ≲ q²/(2S(q)), из структурного фактора извлекли дисперсию коллективных возбуждений: на малых импульсах — плазмонную ветвь, а вблизи удвоенного фермиевского волнового вектора — тот самый ротонный минимум, сигнализирующий о готовности электронов замереть в упорядоченной решётке.
Этот успех — не просто очередной рекорд. Он доказывает, что выразительные нейросетевые архитектуры способны одновременно обеспечивать высокую точность и масштабируемость, открывая новый рубеж в вычислительной физике многих тел. Отпадёт необходимость в кустарно подбираемых анзацах — нейросети превратятся в универсальный инструмент для исследования квантовых фаз и коллективных явлений. Уже маячат следующие шаги: включение спиновой динамики, учёт дефектов, расширение на реальные трёхмерные материалы. Можно вообразить появление предобученных фундаментальных моделей электронных состояний — эдакий «GPT для квантовой материи», который ускорит открытие новых функциональных материалов и, возможно, поможет разгадать загадку высокотемпературной сверхпроводимости. Джазовый ансамбль электронов наконец-то позволит записать свою импровизацию без потери нюансов.
Ротонный минимум, обнаруженный в электронной жидкости, — близкий родственник того, что наблюдается в сверхтекучем гелии-4. Сам Фейнман в 1950-х объяснял его квантовыми вихрями. Похоже, электроны подражают гелию, готовясь закристаллизоваться — природа любит повторять удачные решения на разных масштабах.