共形场论预言的能谱，首次被直接测量

当不同的物质从一种相转变为另一种相时，例如液体发生沸腾，或磁体逐渐失去磁性，一件非同寻常的事情可能会发生：这些原本截然不同的系统，会开始表现出相似甚至相同的临界行为，并遵循同样的数学规律。

物理学家把这种性质称为“普适性”：当系统接近临界点时，那些纷繁复杂的微观细节会逐渐变得不再重要，最终决定其行为的，只剩下少数几个本质特征。而描述这些普适行为背后数学结构的重要理论框架之一，就是共形场论（CFT）。

共形场论是一类在共形变换下保持不变的量子场论。在高能物理、统计力学和凝聚态物理中，共形场论都占据着重要地位。然而，它所预测的许多丰富结构，迄今仍未能在实验中被直接观测。

在一项新发表于《自然》的研究中，一个国际研究团队利用量子模拟器（可以看作是针对特定任务设计的、经过简化的量子计算系统），对两种不同的共形场论——伊辛共形场论和三临界伊辛共形场论开展了研究。他们首次直接测出了共形场论所预测的一系列特征能级，并发现这些能级之间的比例与理论预测高度一致。

理论预言的能级

伊辛共形场论和三临界伊辛共形场论都描述了一类普适行为：当一个具有量子纠缠和量子叠加等特性的量子系统，被调到两种不同量子相（其中一种通常更”有序“）之间的临界点时，这种普适行为便会涌现。

在日常生活中的普通相变，比如水变成水蒸气，主要是由温度驱动的。但这里相变由量子效应驱动，并出现在接近绝对零度的条件下。当系统被调到临界点后，研究人员可以用激光将其激发到一系列离散的能级。

过去40年来，物理学家已经能够利用共形场论计算这些能级之间的间隔，并预测它们应当满足特定的比例关系，但这种由共形场论预测的有限尺寸特征能谱，此前一直没有被直接测量出来。

转机来自近十年来量子计算技术的发展。随着原子量子系统的操控与读出技术不断进步，这些原本主要用于量子计算的平台，也开始成为研究基础物理问题的精密实验工具。借助这些技术，新研究终于能够直接探测共形场论所预测的能级结构。

从原子链中“读出”能谱

这项研究使用的量子系统，是一种原本为量子计算开发的中性原子平台。在实验中，研究人员利用光镊，将中性锶原子捕获并排列成一条一维原子链，再用激光把这些原子激发到高能的里德伯态，使相邻原子之间产生强烈相互作用。由于原子之间发生强相互作用，整条原子链的物理行为不能再看成每个原子彼此独立，而必须把它作为一个整体的量子多体系统来描述。

随后，研究人员通过调节激光参数，将原子链置于两种量子相之间的临界点，使其呈现由共形场论描述的普适行为。

为了测出这些特征能级，研究人员开发了一种新的多体调制光谱技术。他们周期性地改变激光参数，相当于以不同频率轻微扰动整条原子链，并观察系统的响应。当调制频率恰好对应两个量子态之间的能量差时，原子链会发生明显的共振响应；如果频率不匹配，响应就会很弱。通过不断扫描不同频率，并找出系统出现强烈共振的位置，研究人员就能逐步确定那些离散的特征能级。

这个过程有点像用湿润的手指摩擦酒杯边缘：只有频率合适时，酒杯才会产生明显的共振并发出声音。研究人员正是利用类似的共振原理，从原子链的响应中“找出”一个个特征能级。

研究人员在最多包含35个原子的原子链上重复进行了测量。对于伊辛临界点，研究人员在实验中分辨出了多个激发能级。这些能级之间的比例，以及它们随原子链长度变化的规律，与伊辛共形场论的普适预测高度一致。随后，他们又将原子链调节到三临界点，测量了其中最低的几个特征能级。结果显示，这些能级之间同样呈现出理论预测的特定比例关系，与三临界伊辛共形场论相符。

由于阵列中的每个原子都可以被单独操控，研究人员还能进一步分辨不同类型的激发，从而发现第一轮测量中没有显现出来的另一组能级。他们还通过调节原子链两端的原子，主动改变系统的边界条件。不同的边界设置会产生不同的能谱结构，而实验观察到的变化，与三临界伊辛共形场论的预测一致。

从验证已知，到探索未知

尽管伊辛和三临界伊辛共形场论长期以来被广泛接受，但将它们真正落实到可操控、可重复检验的实验系统中，仍然具有重要意义。这项研究让原本停留在理论预测中的结构，得以在实验中被直接验证。

研究人员表示，接下来，他们希望把它应用到理论尚不完善、甚至经典计算机难以模拟的量子系统中，用实验本身去揭示未知的临界行为和普适规律。未来，他们还计划把原子阵列从一维链扩展到二维网格。相比一维系统，二维量子临界系统中的共形场论远没有得到同样深入的理解，也因此可能成为这套方法更具探索价值的应用方向。

#参考来源：

https://www.caltech.edu/about/news/universal-pattern-revealed-in-quantum-matter

https://www.nature.com/articles/s41586-026-10904-x

#图片来源：
封面及首图由《原理》使用 AI 辅助设计，素材来源：Stephan Naus