网站首页健康养生 >正文
计算机中最小的信息单位是比特:开或关,1 或 0。如今,全世界的整个计算能力都建立在无数个 1 和 0 的组合和互连之上。量子计算机有自己的比特版本:量子比特。它也有两种基本状态。主要区别在于:量子效应允许两种状态叠加,因此量子比特不是 1 或 0,而是同时为 1 或 0。通过不同的 0 和 1 比例,量子比特理论上可以呈现无限多的状态。
这种模糊性应该赋予量子计算机真正的“超能力”。至少在理论上,基于量子的计算机可以在几分之一秒内完成计算,而当今最好的超级计算机却无法完成。然而,量子计算尚未完全开发。最大的挑战之一是连接量子比特——因为单个(量子)比特算不上一台计算机。
实现量子比特的 0 和 1 的一种方法是通过所谓的电子自旋的排列。自旋是电子和其他粒子的基本量子力学特性,是一种扭矩,简单地说,它可以指向“上”(1)或“下”(0)。
当两个或多个自旋以量子力学方式连接时,它们会影响彼此的状态:改变一个自旋的方向,其他所有自旋的方向也会改变。因此,这是让量子比特相互“交谈”的好方法。然而,就像量子物理学中的许多东西一样,这种“语言”,即自旋之间的相互作用,非常复杂。
尽管可以用数学来描述,但即使对于只有几个旋转的相对简单的链,相关方程也很难精确求解。这并不是将理论付诸实践的最佳条件……
模型变成现实
Empa 纳米技术@表面实验室的研究人员现在已经开发出一种方法,可以让许多自旋以可控的方式相互“交谈”——同时也让研究人员能够“倾听”它们,即了解它们的相互作用。
他们与国际伊比利亚纳米技术实验室和德累斯顿工业大学的科学家合作,精确地创建了电子自旋的原型链,并详细测量了其特性。他们的研究成果现已发表在《自然纳米技术》杂志上。
所有物理专业的学生都熟悉这种自旋链背后的理论:以一个线性自旋链为例,其中每个自旋与其相邻的自旋之间相互作用较强,而与另一个自旋之间相互作用较弱。这种所谓的一维交替海森堡模型是由物理学家、后来的诺贝尔奖获得者、量子力学的创始人之一维尔纳·海森堡在近 100 年前描述的。尽管自然界中存在包含此类自旋链的材料,但目前还无法将这些链有意地整合到材料中。
“真实材料总是比理论模型复杂得多,”Empa 纳米技术@表面实验室负责人兼研究报告共同作者 Roman Fasel 解释道。
碳制成的“高脚杯”
为了制造这种人工量子材料,Empa 的研究人员使用了二维碳材料石墨烯的微小碎片。这些纳米石墨烯分子的形状影响它们的物理特性,特别是它们的自旋——一种纳米尺寸的量子乐高积木,科学家可以用它组装更长的链。
对于他们的海森堡模型,研究人员使用了所谓的克拉尔高脚杯分子。这种特殊的纳米石墨烯分子由 11 个碳环组成,排列成沙漏状。由于这种形状,两端各有一个不成对的电子,每个电子都有一个相关的自旋。尽管化学家埃里希·克拉早在 1972 年就预测了克拉尔高脚杯的存在,但直到 2019 年,Fasel 的团队才在 nanotech@surfaces 实验室制造出这种分子。
研究人员现在已将杯状物连接到金表面上形成链条。分子内的两个自旋是弱连接,而分子之间的自旋是强连接——这是交替海森堡链的完美实现。研究人员能够精确操纵链条的长度,选择性地打开和关闭单个自旋,并将它们从一种状态“翻转”到另一种状态,使他们能够详细研究这种新型量子材料的复杂物理特性。
从理论到实践
法泽尔坚信,就像克拉杯的合成使得海森堡链的产生成为可能一样,这项研究也将为量子研究打开新的大门。
研究人员表示:“我们已经证明,量子物理的理论模型可以用纳米石墨烯来实现,以便通过实验检验其预测。具有其他自旋结构的纳米石墨烯可以连接起来形成其他类型的链,甚至更复杂的系统。”
Empa 的研究人员树立了榜样:在即将发表的第二项研究中,他们能够重建一种不同类型的海森堡链,其中所有自旋都平等地连接在一起。
为了走在应用量子物理学的前沿,不同学科的理论和实验科学家需要共同努力。德累斯顿工业大学的化学家为 Empa 研究人员提供了合成 Clar's Goblets 的起始分子。来自葡萄牙国际伊比利亚纳米技术实验室的研究人员为该项目贡献了他们的理论专业知识。
法泽尔强调,实现此类突破所需的理论并非(仅仅)是物理教科书上所讲的内容,而是量子物理模型和实验测量之间的复杂转换。
版权说明:本站所有作品图文均由用户自行上传分享,仅供网友学习交流。若您的权利被侵害,请联系我们
相关文章:
- 2024-11-01安全有效的合成丙二烯的方法为药物开发开辟了新的可能性
- 2024-11-01简单的技术可以在玻璃上打印周期性的纳米/微结构
- 2024-11-01植物中类似干细胞的方法揭示了特殊细胞壁的形成
- 2024-11-01化学生物工艺克服废塑料热解的缺点
- 2024-10-31淡水中微塑料增加与塑料生产直接相关
- 2024-10-31生态学家认为动物饮酒比想象的更为普遍
- 2024-10-31研究人员如何利用动物追踪设备最大限度地了解生物学
- 2024-10-31深度学习提高蛋白质结构预测的准确性和效率
- 2024-10-31研究人员探索碳化硅的机械性能
- 站长推荐
- 栏目推荐
- 阅读排行