حوزه‌ی فیزیک ماده چگال نظری، به ترسناک و دشوار بودن، شهره است، چرا که در آن بر درک مکانیک کوانتومی مواد تمرکز می‌شود. فرآیند نوشتن و حل معادلات ماده چگال، بشدت پیچیده و حساس است. این فرآیند عموما با یک هامیلتونی (یک مدل ریاضی که انرژی تمام ذرات سیستم را جمع می‌بندد) آغاز شده و به تابع موج ختم می‌شود. اکنون دانشمندان دانشگاه ایلینوی، الگوریتمی را توسعه داده‌اند که با پیمودن مسیر به طور برعکس، این فرآیند دشوار را ساده‌تر کرده و مسیر را روشن می‌کند. این الگوریتم با پاسخ آغاز می‌شود و سپس پرسیده می‌شود چه نوع ویژگی‌های فیزیکی جالبی را می‌توان کشف کرد و در نهایت به سوال اصلی می‌رسد: چه دسته‌ای از مواد، چنین ویژگی‌های را می‌توانند داشته باشند؟ نتایج این پژوهش جذاب به تازگی در مجله Physical Review X منتشر شده است. با دیپ لوک همراه باشید…
حل مسئله به طور برعکس، تکنیک جدیدی در فیزیک کلاسیک نیست، اما این الگوریتم جدید، یکی از اولین مثال‌های موفق روش حل برعکس مسئله با مواد کوانتومی است. این روش می‌تواند امکان جستجوی فیزیک جدید را به یک فرآیند ساده‌تر و موثرتر تبدیل کند. تعداد فیزیکدانان ماده چگال، بیشتر از فیزیکدانان سایر حوزه‌ها هستند. فیزیک ماده چگال سرشار از پدیده‌های عجیب و مسائل حل‌نشده است، از ابررسانایی و ابرشارگی گرفته تا مغناطیس و توپولوژی. فیزیکدانان تجربی این حوزه، ویژگی‌های میکروسکوپی و ماکروسکوپی مواد را برای مشاهده‌ی رفتار و برهمکنش‌های آنها کاوش می‌کنند. در حالیکه فیزیکدانان نظری ماده چگال، به دنبال توسعه‌ی مدل‌های ریاضی قوانین بنیادی حاکم بر رفتار و برهمکنش مواد هستند تا بتوانند آنها را پیش‌بینی کرده یا توضیح دهند. این الگوریتم جدید که توسط برایان کلارک و دانشجویش کشف شده، فرآیند ریاضی معمول در فیزیک حالت جامد برای جستجوی فیزیک جدید را برعکس می‌کند. کلارک چنین توضیح می‌دهد:
برای حل یک مسئله‌ی معمول ماده چگال، می‌توانید کار را با یک مدل آغاز کنید که به صورت یک هامیلتونی درمی‌آید، سپس آن را حل می‌کنید و در نهایت یک تابع موج می‌گیرید و خواص آن تابع موج را می‌توانید ببینید و اینکه آیا چیز جالبی وجود دارد یا نه. الگوریتم ما، این فرآیند را برعکس می‌کند. حالا اگر شما نوع فیزیکی را که دوست دارید، بدانید، می‌توانید آن را در یک تابع موج نمایش دهید و این الگوریتم، تمام هامیلتونی‌ها یا مدل‌های خاص دارای آن خواص را تولید خواهد کرد. دقیق‌تر بگویم، این الگوریتم، هامیلتونی‌هایی را با آن تابع موج به عنوان ویژه حالات انرژی بدست خواهد داد.
این الگوریتم، راه جدیدی برای مطالعه‌ی پدیده‌های فیزیکی مانند ابررسانایی می‌دهد. معمولا شما هامیلتونی‌های محتمل ابررسانایی را حدس زده و سپس برای حل آنها تلاش می‌کنید. اما این الگوریتم به ما اجازه می‌دهد تابع موجی را بنویسیم که می‌دانیم ابررساناست و سپس به طور خودکار تمام هامیلتونی‌ها یا مدل‌های خاصی که آن تابع موج را به عنوان راه‌حل می‌دهند، تولید کنیم. وقتی هامیلتونی‌ها را داشته باشید، یعنی تمام خواص سیستم را می‌دانید. در واقع ما راهی برای پیدا کردن مدل‌های جالب و هامیلتونی‌های جالب پیدا کرده‌ایم. توابع موج زیادی وجود دارند که مردم برای مواردی که هامیلتونی شناخته‌شده‌ای وجود ندارد، نوشته‌اند. اکنون ما می‌توانیم هر یک از این توابع موج را انتخاب کرده و تمام هامیلتونی‌هایی که آنها را به عنوان ویژه حالات می‌دهند، بیابیم. مثلا ما به توابع موج مایع اسپینی (حالات کوانتومی به شدت درهم تنیده با خواص توپولوژیک جالب) علاقمندیم. نظریه‌پردازان، تابع موج های بسیاری را برای مایع اسپینی ساخته‌اند، اما نمی‌دانند کدام هامیلتونی را به آنها نسبت دهند. الگوریتم ما در آینده، در یافتن هامیلتونی درست کمک خواهد داد.
کلارک و همکارانش این الگوریتم را روی تابع موج های وابسته به مغناطیس های عقیم امتحان کرده و جواب‌هایی پیدا کردند. آنها می‌گویند نتایج این الگوریتم می‌تواند فیزیکدانان تجربی را در جهت درست و برای یافتن فیزیک جدید، راهنمایی کند.
