Post-Optimization Subspace Corrections to Quantum Ansätze

إن السعي لمحاكاة الجزيئات على الحواسيب الكمومية هو سباق ضد حدود التكنولوجيا الحالية. وفي جوهره يكمن تحدٍ أساسي: وهو أن وصف كيفية تحرك الإلكترونات وتفاعلها داخل الجزيء يتطلب مستوى من التفصيل يفوق بسرعة قدرة حتى أقوى الحواسيب الفائقة الكلاسيكية. وتوفر الحواسيب الكمومية، التي تستخدم القواعد الغريبة لميكانيكا الكم لمعالجة المعلومات، طريقة طبيعية لحل هذه المشكلات. ومع ذلك، فإن الآلات المتاحة اليوم هشة ومحدودة الحجم. وللحصول على نتائج مفيدة، يستخدم العلماء طريقة تسمى الخوارزمية التباينية (variational algorithm). فكر في هذا كعملية قائمة على التجربة والخطأ، حيث يقوم الكمبيوتر ببناء نموذج رياضي للجزيء، ثم يختبره، وبعد ذلك يعدل النموذج لجعله أكثر دقة. وتتكرر هذه العملية، حيث تضاف طبقات من التعقيد إلى النموذج حتى يتم حساب طاقة الجزيء بدقة كافية. والمشكلة هي أن كل طبقة مضافة تتطلب مزيدًا من الوقت وعددًا هائلًا من القياسات، ومع زيادة تعقيد الجزيئات، يمكن أن ينمو عدد الخطوات اللازمة للوصول إلى إجابة دقيقة بشكل انفجاري.

لقد وجد فريق من الباحثين طريقة لتجاوز جزء كبير من هذا التكرار المرهق. فبدلاً من إجبار الكمبيوتر الكمومي على الاستمرار في بناء نموذج أكبر فأكبر، اكتشفوا أنه بمجرد بناء نموذج جيد، يمكن لحيلة رياضية محددة أن تصقل الإجابة دون إضافة أي تعقيد جديد إلى عبء عمل الآلة. وفي دراسة شملت ما يصل إلى عشرين بتًا كموميًا، طبق الباحثون هذه الحيل على نماذج موجودة لمختلف الجزيئات. ووجدوا أن الطريقة يمكن أن تقلل عدد الخطوات المطلünü للوصول إلى مستوى عالٍ من الدقة بما يصل إلى ست مرات. والأهم من ذلك، عندما قاموا بحساب الجهد الإجمالي المطلوب، بما في ذلك الوقت المستغرق في إجراء القياسات، كانت التوفيرات أكثر دراماتيكية، حيث وصلت إلى انخفاضات تصل إلى أربعين ضعفًا. لا يتطلب هذا النهج نمو الكمبيوتر الكمومي أو زيادة تعقيده؛ بل يقوم ببساطة باستخراج قيمة أكبر من البيانات التي جمعها بالفعل.

ركز الباحثون على تقنيتين محددتين لتحقيق هذه الكفاءة. تتضمن الأولى طريقة تُعرف باسم "تشخيص الفضاء الجزئي لكرولوف" (Krylov subspace diagonalization). في النهج القياسي، يبني الكمبيوتر الكمومي نموذجًا خطوة بخوة، حيث يضيف قطعة واحدة في كل مرة ويعيد حساب النظام بأكمله بعد كل إضافة. وهذا أمر بطيء ومكلف. أما الطريقة الجديدة فتسمح للكمبيوتر بالتوقف عن البناء بمجرد الحصول على تقريب معقول. ثم، بدلاً من إضافة المزيد من الطبقات، يأخذ الباحثون ذلك التقريب الموجود ويستخدمونه كنقطة انطلاق لحساب بعض الخصائص المحددة لطاقة الجزيء. ومن خلال تحليل هذه الخ propriedades، يمكنهم رياضياً إسقاط الإجابة في مساحة أكبر قليلاً، مما يستعيد فعلياً التفاصيل المفقودة لسلوك الجزيء دون مطالبة الكمبيوتر الكمومي بأداء عملية جديدة ومعقدة. الأمر يشبه أخذ رسم تخطيطي خشن لمنظر طبيعي واستخدام مجموعة من القواعد لملء التفاصيل المفقودة، بدلاً من العودة للخارج لرسم المشهد بأكمله مرة أخرى.

في عمليات المحاكاة الخاصة بهم، اختبر الباحثون هذا النهج على سبعة وعشرين نظامًا جزيئيًا مختلفًا. وقاسوا عدد الخطوات التي استغرقها الوصول إلى هدف دقة معين، والذي تم تحديده بكونه ضمن 1.6 ميلي هارتري من قيمة الطاقة الحقيقية. وبالنسبة لأكثر الجزيئات تعقيدًا في دراستهم، والتي تطلبت من الطريقة القياسية العمل لمئات الخطوات، وصلت التقنية الجديدة إلى نفس الدقة في حوالي سدس الوقت تقريبًا. وكان الفائدة أكثر وضوحًا في الجزيئات ذات "إنتروبيا ريني" (Rényi entropy) العالية، وهي مقياس لمدى انتشار وتعقيد ترتيب الإلكترونات. وفي هذه الحالات الصعبة، كان الانخفاض في الخطوات جوهريًا. وعندما صاغ الفريق التكلفة الإجمالية للعملية، مع مراعاة عدد القياسات اللازمة للحصول على بيانات موثوقة، كانت التوفيرات أكثر إثارة للإعجاب. فقد كانت تكلفة تشغيل الطريقة القياسية أعلى بما يصل إلى أربعين ضعفًا من تكلفة استخدام تقنية التصحيح الجديدة. وهذا يشير إلى أنه بالنسبة للحواسيب الكمومية القريبة من الواقع، والتي تكون محدودة بعدد القياسات التي يمكنها القيام بها قبل أن تفسد الضوضاء البيانات، فإن هذا النهج قد يشكل الفرق بين عملية مستحيلة وأخرى ممكنة.

أما التقنية الثانية التي استكشفها الفريق فهي تسمى "معادلة الحركة ذاتية الاتساق الكمومي المعززة بالهوية" (identity-augmented quantum self-consistent equation of motion). تعالج هذه الطريقة مشكلة مختلفة: ماذا يحدث عندما يكون النموذج الأولي بسيطًا جدًا بحيث لا يستطيع التقاط السلوك الحقيقي للجزيء، أو عندما تكون القياسات المستخدمة لاختيار الخطوة التالية مشوبة بالضوضاء؟ في كثير من الحالات، قد يختار الكمبيوتر الكمومي القطع الخاطئة لإضافتها إلى النموذج لأن البيانات غير كاملة. ووجد الباحثون أنه من خلال إضافة مكون رياضي محدد إلى التحليل النهائي، يمكنهم تصحيح هذه الأخطاء. سمحت لهم هذه التقنية باستعادة قيم طاقة دقيقة حتى عندما تم قطع النموذج الأولي أو عندما كان اختيار المكونات الجديدة يعتمد على بيانات مشوبة بالضوضاء. وفي اختبارات شملت جزيئًا يسمى "إم-بنزين" (m-benzyne)، نجحت الطريقة في استعادة مستويات الطاقة الصحيحة حتى عندما كانت العملية القياسية تعاني بسبب ضوضاء القياس. لقد عملت كشبكة أمان، مما يضمن أن نقطة البداية المعيبة أو غير المكتملة يمكن أن تؤدي إلى إجابة نهائية دقيقة دون الحاجة إلى إعادة العملية بأكملها.

يتشارك كلا الأسلوبين في فلسفة مشتركة: وهما يعاملان مخرجات الكمبيوتر الكمومي ليس كمنتج نهائي، بل كنقطة مرجعية لتحليل أعمق. فمن خلال إجراء قدر صغير من الحسابات الإضافية على كمبيوتر كلاسيكي بعد انتهاء عمل الآلة الكمومية، يمكن للباحثين استخراج دقة إضافية. وهذا أمر قيم للغاية لأن الأجهزة الكمومية نفسها تظل دون تغيير. فلا تحتاج الدوائر إلى أن تكون أطول، ولا يحتاج عدد المعلمات (parameters) التي يجب ضبطها إلى الزيادة. وقد أظهر الباحثون أن هذا النهج يعمل بشكل جيد عبر مجموعة متنوعة من الأنظمة الجزيئية، من سلاسل الذرات البسيطة إلى الهياكل الأكثر تعقيدًا. كما أظهروا أن الطريقة قوية، وتحافظ على فعاليتها حتى عندما تكون البيانات التي تُغذى بها غير مثالية.

تمتد آثار هذه النتائج إلى ما هو أبعد من مجرد توفير الوقت. فمن خلال تقليل عدد الخطوات والقياسات المطلوبة، تخفض هذه التقنيات الحاجز أمام تشغيل المحاكاة الكيميائية على الأجهزة الحالية. وقد يسمح هذا للعلماء بدراسة جزيئات أكثر تعقيدًا، مثل تلك المشاركة في عملية التمثيل الضوئي أو تثبيت النيتروجين، والتي كانت بعيدة المنال بسبب الحجم الهائل للحسابات المطلوبة. وأشار الباحثون إلى أنه على الرغم من أن عملهم تم في بيئة محاكاة، إلا أن المبادئ التي استخدموها قابلة للتطبيق مباشرة على الأجهزة الكمومية الحقيقية. كما أشاروا إلى أن هذه التصحيحات يمكن تطبيقها على أنواع أخرى من الخوارزميات الكمومية، وليس فقط النوع الذي اختبروه. إن القدرة على تحسين الدقة دون زيادة المتطلبات المادية للآلة تشير إلى مسار جديد للمجال.

وفي خاتمتهم، أكد المؤلفون أن اختيار التصحيح الذي يجب استخدامه يعتمد على المشكلة المحددة. فبالنسبة لبعض الجزيئات، توفر الطريقة الأولى أفضل توازن بين السرعة والدقة. وبالنسبة لأخرى، لا سيما تلك التي يكون فيها النموذج الأولي محدودًا للغاية، توفر الطريقة الثانية دفعة حاسمة. لا تدعي الدراسة أنها حلت جميع مشكلات الكيمياء الكمومية، لكنها تقدم أداة عملية لجعل الأدوات الموجودة أكثر فعالية. ومع استمرار تحسن الأجهزة الكمومية، ستصبح تقنيات ما بعد التحسين هذه على الأرجح جزءًا قياسيًا من سير العمل، مما يسمح للباحثين بالحصول على المزيد من كل بت كمومي وكل قياس. ويعمل هذا العمل كتذكير بأنه في بعض الأحيان، الطريقة الأكثر قوة لتحسين نظام ما ليست في بناء نظام أكبر، بل في التفكير بعمق أكبر في كيفية استخدام النظام الذي تملكه بالفعل.