La temperatura extrema puede hacer cosas extrañas a los metales. En calor severo, el hierro deja de ser magnético. En un frío devastador, el plomo se convierte en un superconductor.
Durante los últimos 30 años, los físicos han quedado perplejos por lo que sucede exactamente con el siliciuro de uranio y rutenio URu2Si2 a 17.5 grados Kelvin menos 256 grados Celsius. Al medir la capacidad calorífica y otras características, pueden notar que sufre algún tipo de fasetransición, pero eso es todo lo que cualquiera puede decir con certeza. Abundan muchas teorías.
Una colaboración de Cornell dirigida por el físico Brad Ramshaw, profesor asistente de Dick & Dale Reis Johnson en la Facultad de Artes y Ciencias, utilizó una combinación de ultrasonido y aprendizaje automático para reducir las posibles explicaciones de lo que le sucede a este material cuántico cuando entraeste llamado "orden oculto"
Su artículo, "Parámetro de orden de un componente en URu2Si2 descubierto por espectroscopía de ultrasonido resonante y aprendizaje automático" publicado el 6 de marzo en Avances científicos .
"En el siliciuro de uranio y rutenio, no tenemos idea de lo que hacen los electrones en el estado de orden oculto", dijo Ramshaw, autor principal del artículo. "Sabemos que no se vuelven magnéticos, sabemos que no lo hacen".se vuelven superconductores, pero ¿qué están haciendo? Hay muchas posibilidades: orden orbital, ondas de densidad de carga, transiciones de valencia, pero es difícil distinguir estos diferentes estados de la materia. Así que los electrones se están "ocultando" en ese sentido.sentido."
Ramshaw y su estudiante de doctorado Sayak Ghosh usaron espectroscopía de ultrasonido de alta resolución para examinar las propiedades de simetría de un solo cristal de URu2Si2 y cómo cambian estas propiedades durante la transición de fase de orden oculto. La mayoría de las transiciones de fase van acompañadas de un cambio en las propiedades de simetría.Por ejemplo, los sólidos tienen todos sus átomos alineados de manera organizada, mientras que los líquidos no. Estos cambios en la simetría no siempre son obvios y pueden ser difíciles de detectar experimentalmente.
"Al observar la simetría, no tenemos que conocer todos los detalles sobre lo que está haciendo el uranio o lo que está haciendo el rutenio. Simplemente podemos analizar cómo se ve la simetría del sistema antes de la transición de fase, y cómocuida ", dijo Ramshaw." Y eso nos permite tomar esa tabla de posibilidades que los teóricos han creado y decir: 'Bueno, estos no son consistentes con la simetría antes y después de la transición de fase, pero sí lo son'.bueno, porque es raro que puedas hacer afirmaciones definitivas de sí y no ".
Sin embargo, los investigadores encontraron un problema. Para analizar los datos del ultrasonido, normalmente lo modelarían con la mecánica de onda. Pero para estudiar la forma más pura de URu2Si2, tuvieron que usar una muestra más pequeña y limpia. Esta "pequeña forma extrañaEl chip hexagonal ", dijo Ramshaw, era demasiado pequeño y tenía demasiada incertidumbre para una solución directa de mecánica de ondas.
Entonces, Ramshaw y Ghosh recurrieron a Eun-Ah Kim, profesora de física y coautora del artículo, y a su estudiante de doctorado Michael Matty, para producir un algoritmo de aprendizaje automático que pudiera analizar los datos y descubrir los patrones subyacentes.
"El aprendizaje automático no es solo para una imagen de datos o big data", dijo Kim. "Puede cambiar drásticamente el análisis de cualquier información con complejidad que evada el modelado manual".
"Es difícil, porque los datos son solo una lista de números. Sin ningún tipo de método, no tiene estructura y es imposible aprender nada de él", dijo Matty, coautor principal del artículo con Ghosh ".El aprendizaje automático es realmente bueno para aprender funciones. Pero hay que hacer el entrenamiento correctamente. La idea era que hay una función que asigna esta lista de números a una clase de teorías. Dado un conjunto de datos aproximados numéricamente, podríamos hacer lo quees una regresión efectiva para aprender una función que interpreta los datos por nosotros "
Los resultados del algoritmo de aprendizaje automático eliminaron aproximadamente la mitad de las más de 20 explicaciones probables para el orden oculto. Puede que aún no resuelva el enigma URu2Si2, pero ha creado un nuevo enfoque para abordar los problemas de análisis de datos en física experimental.
El algoritmo del equipo se puede aplicar a otros materiales y técnicas cuánticas, especialmente la espectroscopía de resonancia magnética nuclear RMN, el proceso fundamental detrás de la resonancia magnética RM. Ramshaw también planea usar la nueva técnica para abordar las geometrías rebeldes detelururo de uranio, un superconductor topológico potencial que podría ser una plataforma para la computación cuántica.
Los autores contribuyentes incluyeron investigadores del Laboratorio Nacional de Alto Campo Magnético, Laboratorio Nacional de Los Alamos, Instituto Max Planck de Física Química de Sólidos en Alemania y Universidad de Leiden en los Países Bajos.
La investigación fue apoyada por el Departamento de Energía de EE. UU., La Fundación Nacional de Ciencias y el Centro Cornell para la Investigación de Materiales, con fondos del programa del Centro de Ciencia e Ingeniería de Investigación de Materiales de la Fundación Nacional de Ciencias.
Fuente de la historia :
Materiales proporcionado por Universidad de Cornell . Original escrito por David Nutt. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :