برای اولین بار، فیزیک‌دانان توانسته‌اند “شکل” هندسی که یک الکترون تنها هنگام حرکت در یک جامد به خود می‌گیرد را اندازه‌گیری کنند. این دستاورد راهی کاملاً جدید برای مطالعه رفتار جامدات بلوری در سطح کوانتومی باز می‌کند.
ریکاردو کومین، فیزیک‌دان از مؤسسه فناوری ماساچوست (MIT)، می‌گوید: «ما در واقع نقشه‌ای برای دستیابی به اطلاعات کاملاً جدیدی طراحی کرده‌ایم که قبلاً قابل دستیابی نبود.»
این پژوهش توسط فیزیک‌دانان مینگو کانگ – که پیش‌تر در MIT فعالیت داشت و اکنون در دانشگاه کرنل است – و سونجی کیم از دانشگاه ملی سئول رهبری شده است.
در جهان فیزیکی، ماده به روش‌هایی رفتار می‌کند که به خوبی توسط قوانین فیزیک کلاسیک توصیف شده‌اند. اما در سطحی بنیادی‌تر، که شامل تعاملات ذرات و روش‌های اندازه‌گیری است، اوضاع می‌تواند کمی عجیب و غیرقابل پیش‌بینی باشد.
در کوچک‌ترین مقیاس‌ها، دقت باید جای خود را به توصیف‌هایی مبهم‌تر بدهد که با امواج احتمالاتی، تحت عنوان مکانیک کوانتومی، نمایان می‌شوند.
ما معمولاً به اجسامی مثل الکترون‌ها به عنوان ذرات اشاره می‌کنیم، که این تصور را ایجاد می‌کند که آنها شبیه به توپ‌های بسیار کوچک هستند. اما با توجه به اندازه آنها، خواص و رفتار الکترون‌ها بیشتر با طبیعت موجی کوانتومی‌شان قابل توصیف است.
برای توصیف جنبه موجی الکترون‌ها، فیزیک‌دانان از توابع موج استفاده می‌کنند: مدل‌های ریاضی که خواص موج را به عنوان احتمالات تکامل‌یافته‌ای از پیدا شدن ذره در مکانی خاص با ویژگی‌های خاص توضیح می‌دهند.
برخی از این ویژگی‌ها را می‌توان به نوعی هندسه تشبیه کرد، که اغلب شبیه به منحنی یا کره‌ای است که در بی‌نهایت جهت چرخش دارد. سایر اشکال هندسه کوانتومی، مانند آنهایی که مربوط به الکترون‌ها در شبکه‌ای از اتم‌ها هستند، می‌توانند به پیچیدگی اشکالی مانند بطری کلاین یا نوار موبیوس باشند.
تعیین برخی از جنبه‌های هندسه کوانتومی پیچیده الکترون در یک جامد قبلاً شامل حدس و گمان‌های زیادی بر اساس خواص قابل اندازه‌گیری توسط فیزیک‌دانان بود.
برای اندازه‌گیری هندسه کوانتومی الکترون‌ها، کانگ، کیم و همکارانشان خواص یک مقدار فیزیکی به نام تنسور هندسه کوانتومی (QGT) را بررسی کردند. این مقدار فیزیکی، کل اطلاعات هندسی یک حالت کوانتومی را رمزگذاری می‌کند، شبیه به روشی که یک هولوگرام دو‌بعدی اطلاعاتی از یک فضای سه‌بعدی را در خود جای می‌دهد.
آنها از تکنیکی به نام طیف‌سنجی فوتوالکترونی زاویه‌دار (ARPES) استفاده کردند که در آن فوتون‌ها به یک ماده تابانده می‌شوند تا الکترون‌ها را آزاد کرده و خواص آنها مانند قطبش، اسپین و زاویه را اندازه‌گیری کنند.
(j, m)(j,m) و واقعی (k,l)
از هندسه کوانتومی. (کانگ و همکاران، Nature Physics، ۲۰۲۴)
این تکنیک روی بلورهای منفردی از یک آلیاژ کبالت-قلع انجام شد. این ماده که به عنوان فلز کاگومه شناخته می‌شود، یک ماده کوانتومی است که خواص آن قبلاً توسط همین تیم با استفاده از تکنیک ARPES بررسی شده بود.
نتایج این پژوهش اولین اندازه‌گیری مستقیم تنسور هندسه کوانتومی (QGT) در یک جامد را فراهم کرد. از این داده‌ها، پژوهشگران توانستند سایر ویژگی‌های هندسه کوانتومی الکترون‌ها در این فلز را استنباط کنند.
آنها این داده‌ها را با هندسه کوانتومی نظری مشتق‌شده برای همان ماده مقایسه کردند و توانستند مفید بودن تخمین هندسه نسبت به اندازه‌گیری مستقیم آن را ارزیابی کنند.
این تیم می‌گوید روش آنها قابل اعمال بر طیف گسترده‌ای از مواد است، نه فقط آلیاژ کبالت-قلع که برای این مطالعه استفاده شد.
این یافته‌ها پیامدهای جالبی خواهند داشت. به عنوان مثال، هندسه کوانتومی ممکن است برای کشف ابررسانایی در موادی که معمولاً چنین خاصیتی ندارند، مورد استفاده قرار گیرد.
یک کارشناس ناشناس به نشریه Nature Physics گفت: «تفسیر هندسی مکانیک کوانتومی زیربنای بسیاری از پیشرفت‌های اخیر در فیزیک ماده چگال است.»
وی افزود: «این نویسندگان روش‌شناسی‌ای برای دسترسی تجربی به تنسور هندسه کوانتومی ابداع کرده‌اند، که ویژگی‌های هندسی حالات کوانتومی را به طور بنیادی توصیف می‌کند. روش ارائه‌شده ساده است، برای انواع مختلف مواد جامد قابل اعمال بوده و پتانسیل زیادی برای تقویت فعالیت‌های آزمایشی در جهت درک هندسی پدیده‌های نوظهور کوانتومی دارد.»
![import numpy as np import h5py data='/content/drive/MyDrive/SILIXA_iDAS015_181219184621_fieldID000212.h5' data1=h5py.File(data,'r') print(data1.keys()) display(data1) display(data) raw_data = data1['DasRawData']['RawData'] x_axis = np.arange(raw_data.shape[1]) t_axis = np.arange(raw_data.shape[0]) print(x_axis.shape) print(t_axis.shape) import matplotlib.pyplot as plt import numpy as np ns = 30000 fs = 1000 dx = 1.021 nx = 3136 GL = 10 x = np.arange(nx) * dx def u(x, t): return np.exp(-(x - t)**2) def calculate_result(x): return 1/10 * (u(x - 5, t) - u(x + 5, t)) traces = [] for t in range(0,30000): tr = [calculate_result(x_val) for x_val in x] traces.append(tr) traces_array = np.array(traces) print(f"traces_array : {traces_array.shape}")](https://spacenota.ir/wp-content/uploads/2025/05/big-ring-body-420x280.webp)
