QERNEL: Un Modello Fondamentale per Materiali Quantistici Moiré

Un team di ricercatori ha introdotto QERNEL, una funzione d'onda neurale fondamentale che affronta variazionalmente famiglie di Hamiltoniani a molti elettroni parametrizzati, catturando efficacemente gli stati fondamentali attraverso lo spazio dei parametri all'interno di un unico modello. Integrando il condizionamento dei parametri basato su FiLM con componenti architetturali efficienti—come il mixture of experts e l'attenzione a query raggruppate—QERNEL migliora l'espressività mantenendo basse richieste computazionali. Il modello è stato utilizzato per elettroni interagenti in eterostrati moiré semiconduttori, addestrando un singolo modello a pesi condivisi per sistemi contenenti fino a 150 elettroni. Condizionando sulla profondità del potenziale moiré per risolvere l'equazione di Schrödinger a molti elettroni, QERNEL identifica sia stati liquidi quantistici che cristallini, rivelando una netta transizione di fase caratterizzata da improvvisi cambiamenti nell'energia di interazione e nella densità di carica. Questa ricerca getta le basi per i materiali quantistici moiré e un'architettura scalabile per studi futuri.