Ученые из Оксфордского университета разработали новый метод поиска материалов для квантовых вычислений, опубликованный в журнале Science. Квантовые компьютеры обещают мощность, намного превосходящую обычные суперкомпьютеры, но сейчас их работа ограничена из-за квантовой декогеренции — разрушения квантовых состояний под воздействием окружающей среды. Найти устойчивые к этому материалы было очень сложно.
Исследователи во главе с профессором Шеймусом Дэвисом создали способ обнаружения топологических сверхпроводников — материалов, способных содержать особые квантовые частицы, майорановских фермионов. Эти частицы хранят информацию не в состоянии, а в структуре и форме — топологии. Это делает квантовую информацию более устойчивой к помехам.
Команда доказала, что дителлурид урана (UTe2) — сверхпроводник, который считается кандидатом на собственную топологическую сверхпроводимость. В этом материале электронные пары имеют выровненные спины — необходимое условие для топологической сверхпроводимости. До этого факт не был окончательно подтвержден.
Для изучения использовали сканирующий туннельный микроскоп (СТМ) с новым режимом, изобретенным профессором Дэвисом — методом Андреева СТМ. Этот метод позволил наблюдать электроны в топологическом поверхностном состоянии сверхпроводника.
Результаты подтвердили, что UTe2 — собственный топологический сверхпроводник. Однако майорановские частицы в нем образуют пары и не разделяются. Несмотря на это, метод является прорывом. Он поможет находить другие материалы с такими свойствами и создавать платформы для топологических квантовых вычислений.
Профессор Дэвис отметил, что открытие и новая техника ускорят поиск подходящих материалов и приблизят революцию в квантовых технологиях. Топологические сверхпроводники — редкие и пока теоретические материалы, но ученые по всему миру ищут новые образцы и методы их применения.
Квантовые вычисления — это не только про физику будущего, но и про задачи настоящего. Узнайте, как российские исследователи уже объединили квантовый компьютер с машинным обучением, чтобы распознавать изображения — подробнее об этом в нашей статье.