量子コンピューティングの未来: トポロジカル材料と機械学習

スーパーコンダクタは、抵抗のない電子を実現する主要なアプローチとされてきました。過去10年間、「トポロジカル材料」という新しい量子材料の家族が、エネルギー散逸（損失）なしの電子を達成するための代替手段として登場しました。トポロジカル材料は、障害に対する堅牢さなど、スーパーコンダクタに比べていくつかの利点を提供します。エネルギー散逸のない電子状態を得るための1つの重要なルートは、磁気近接効果と呼ばれるもので、磁性がトポロジカル材料の表面にわずかに侵入する現象です。しかし、近接効果の観察は困難でした。 MITの機械工学の博士課程の学生であるZhantao Chenによると、「この効果の存在を示す信号が、従来の方法では明確に検出するにはあまりにも弱すぎる」という問題がありました。そこで、MIT、ペンシルベニア州立大学、および米国国立標準技術研究所の科学者チームが、従来とは異なるアプローチを試み、驚くべき良好な結果が得られました。 これまでの数年間、研究者たちは、PNR（偏光中性子反射法）という技術を使用して、多層材料の深さに依存する磁気構造を探り、磁気近接効果のような現象を探してきました。しかし、効果は非常に微妙であり、深さに関しては約1ナノメートルしか広がらず、実験結果の解釈に曖昧さや課題が生じることがありました。「機械学習を私たちの方法論に取り入れることで、何が起こっているのかをより明確に把握できることを期待しました」と、研究チームを率いた核科学工学部のNorman C. Rasmussen Career Development教授Mingda Liは述べています。その期待は実際に実現し、チームの研究成果は3月17日に「Applied Physics Review」に掲載されました。 研究者たちは、内部で電気絶縁がありますが表面で電気を伝導できるトポロジカル絶縁体を調査しました。彼らは、トポロジカル絶縁体であるビスマスセレナイド（Bi2Se3）と、強磁性絶縁体であるユーロピウムサルファイド（EuS）との間にインターフェイスを持つ層状材料システムに焦点を当てました。Bi2Se3はそれ自体が非磁性材料であり、磁気EuS層が2つの偏光中性子ビームで測定される信号の差を支配します。ただし、機械学習の助けを借りて、研究者たちは、Bi2Se3のインターフェイスで隣接するEuS層との間に誘起される磁化を特定および定量化することができました。「機械学習の効果は、複雑なデータから基本的なパターンを取り出すのに非常に効果的であり、磁気近接効果のような微妙な効果を識別することができました。