Local minima in quantum systems

In der physischen Welt ist die Natur ein unerbittlicher Optimierer. Wenn ein heißes Objekt abkühlt, strebt es nach dem Zustand mit der niedrigstmöglichen Energie, einem Zustand, den Physiker als Grundzustand bezeichnen. Dieser Prozess ist grundlegend dafür, wie Materialien entstehen, wie chemische Reaktionen ablaufen und wie sich das Universum in Stabilität einpendelt. Seit Jahrzehnten versuchen Wissenschaftler, Computer zu nutzen, um diese Zustände niedrigster Energie für komplexe Systeme aus vielen interagierenden Teilchen vorherzusagen, wie etwa die Elektronen in einem neuen Material oder die Atome in einem Protein. Das Finden des absolut niedrigsten Punktes in diesen Systemen ist jedoch notorisch schwierig. Es handelt sich um ein Problem, das so schwerwiegend ist, dass selbst die leistungsfähigsten klassischen Computer, die Arten, die wir heute verwenden, Schwierigkeiten haben, es für viele interessante Fälle zu lösen. Darüber hinaus deutet theoretische Arbeit darauf hin, dass das Finden von Grundzuständen QMA-hart ist, was bedeutet, dass es selbst für Quantencomputer in einigen Fällen als unlösbar gilt.

Diese Schwierigkeit entsteht, weil die Landschaft der möglichen Energiezustände oft voller Fallen ist. Stellen Sie sich eine Gebirgslandschaft vor, in der ein Wanderer versucht, das tiefste Tal zu erreichen. Wenn das Gelände zerklüftet ist, könnte der Wanderer in einer kleinen, flachen Senke stecken bleiben, die aus der Ferne wie der Boden aussieht, aber eigentlich viel höher liegt als das wahre Tal. In der Physik werden diese flachen Senken als lokale Minima bezeichnet. Wenn die Natur ein System abkühlt, bleibt sie oft in diesen lokalen Minima stecken, anstatt den wahren Grundzustand zu finden. Dies ist der Grund, warum einige Materialien, wie etwa bestimmte magnetische Gläser, selbst nach langer Abkühlzeit nie ihren theoretischen niedrigstmöglichen Energiezustand erreichen. Stattdessen pendeln sie sich in einem Zustand ein, der zwar stabil, aber nicht der bestmögliche ist.

Ein Team von Forschern des California Institute of Technology, Google Quantum AI und des Massachusetts Institute of Technology hat nun dieses Phänomen des Steckenbleibens in lokalen Minima untersucht. Sie stellten eine spezifische Frage: Wenn die Natur nicht immer den perfekten Grundzustand finden kann, kann ein Computer stattdessen ein lokales Minimum finden? Und wenn ja, ist diese Aufgabe für einen klassischen Computer oder einen Quantencomputer einfacher? Ihre Arbeit offenbart eine überraschende Wendung in der Geschichte der Quantenoptimierung. Sie fanden heraus, dass das Finden eines lokalen Minimums für einen klassischen Computer unter einem bestimmten Regelwerk trivial ist, aber zu einer Aufgabe wird, die für einen Quantencomputer einfach, für einen klassischen Computer jedoch schwer ist, wenn man die Regeln anwendet, die tatsächlich regeln, wie die Natur Dinge abkühlt.

Um ihre Entdeckung zu verstehen, muss man zunächst zwischen zwei Arten unterscheiden, wie ein System gestört oder beeinflusst werden kann. Die Forscher betrachteten die erste Art, bei der ein System durch reversible, mathematische Operationen, die als lokale unitäre Perturbationen bekannt sind, verändert wird. In diesem Szenario ist die Energielandschaft mit einer überwältigenden Anzahl von lokalen Minima gefüllt. Tatsächlich ist fast jeder beliebige Zustand des Systems ein lokales Minimum. Weil es so viele davon gibt, kann ein klassischer Computer leicht eines finden; es ist, als würde man in eine weite, flache Ebene wandern, in der jeder Schritt ein lokales Minimum darstellt. Das Problem ist so einfach, dass es im Grunde trivial ist, aber es spiegelt nicht wider, wie die Natur tatsächlich arbeitet, da die Natur Systeme durch irreversible Wechselwirkungen mit einem Wärmebad abkühlt und nicht durch reversible mathematische Tricks.

Die Forscher wandten sich dann der zweiten Art der Perturbation zu, die den realen physikalischen Prozess der Abkühlung nachahmt. Sie modellierten ein System, das mit einem thermischen Bad interagiert, einem Reservoir für Wärme bei einer bestimmten Temperatur. In dieser realistischen Umgebung entwickelt sich das System irreversibel und gibt Energie an die Umgebung ab. Hier ändert sich die Landschaft dramatisch. Die Forscher bewiesen, dass es für einen Quantencomputer effizient ist, ein lokales Minimum unter diesen thermischen Bedingungen zu finden. Sie entwickelten eine Methode namens Quanten-Thermischer-Gradientenabstieg (quantum thermal gradient descent), die den Kühlprozess nachahmt. Indem sie dem Pfad folgen, auf dem die Energie am steilsten abfällt, kann ein Quantencomputer zuverlässig in einer angemessenen Zeit ein lokales Minimum finden, unabhängig davon, wo er startet.

Der bedeutendste Befund betrifft jedoch die Schwierigkeit für klassische Computer. Die Forscher konstruierten eine spezifische Familie von zweidimensionalen Quantensystemen, in denen der Grundzustand das Ergebnis einer komplexen Quantenberechnung kodiert. Sie bewiesen, dass es für diese spezifischen Systeme keine „schlechten“ lokalen Minima gibt. Jedes lokale Minimum ist tatsächlich ein globales Minimum, das heißt, der Grundzustand. Dies erzeugt eine glatte, schalenförmige Energielandschaft, in der der einzige Ort, an dem man stecken bleiben kann, ganz unten ist. Da das Finden des Grundzustands für diese Systeme als eine Aufgabe bekannt ist, die für Quantencomputer einfach, für klassische Computer jedoch schwer ist (unter der Annahme, dass Quantenberechnungen mächtiger als klassische sind), kamen die Forscher zu dem Schluss, dass das Finden eines lokalen Minimums in diesem thermischen Setting ebenfalls schwer für klassische Computer ist. Wenn ein klassischer Computer hier effizient ein lokales Minimum finden könnte, würde dies implizieren, dass klassische Computer jede Quantenberechnung simulieren könnten – eine Möglichkeit, die die meisten Experten für falsch halten.

Diese Arbeit etabliert eine klare Trennung zwischen den Fähigkeiten klassischer und Quantenmaschinen. Sie zeigt, dass klassische Computer zwar in künstlichen, reversiblen Szenarien leicht lokale Minima finden können, sie aber an die Grenzen stoßen, wenn sie mit den irreversiblen, thermischen Prozessen konfrontiert werden, die die reale Welt bestimmen. Im Gegensatz dazu können Quantencomputer diese thermischen Landschaften effizient navigieren. Die Studie legt nahe, dass das Problem der lokalen Minima einen neuen Weg für den Quantenvorteil eröffnet. Anstatt zu versuchen, das notorisch schwierige Problem des absoluten Grundzustands für jedes System zu lösen, können Quantencomputer die stabilen, niederenergetischen Zustände finden, die die Natur tatsächlich produziert. Dies bietet ein physikalisch relevantes Problem, bei dem Quantenmaschinen klassische Maschinen übertreffen können, was potenziell dabei helfen kann, das Verhalten von Materialien und chemischen Systemen zu verstehen, die bisher unerreichbar blieben.

Die Forscher untersuchten auch, warum einige Systeme in suboptimalen Zuständen stecken bleiben, während andere dies nicht tun. Sie analysierten eine einfache magnetische Kette und fanden, dass das System ohne ein externes Magnetfeld in vielen verschiedenen Konfigurationen mit Domänenwänden gefangen werden kann, die als suboptimale lokale Minima wirken. Wenn jedoch ein starkes externes Feld angelegt wird, verschwinden diese Fallen, und das System fließt glatt zum wahren Grundzustand. Dies spiegelt das Verhalten der komplexen Systeme wider, die sie untersuchten: Die Form der Energielandschaft bestimmt, ob ein System seinen niedrigsten Energiezustand finden kann oder ob es in einem Zustand verharrt. Ihre Ergebnisse legen nahe, dass viele interessante physikalische Systeme über „schöne“ Energielandschaften verfügen, die keine suboptimalen Fallen enthalten, was sie zu idealen Kandidaten für Quantenoptimierungsalgorithmen macht, die die natürliche Abkühlung nachahmen.

Letztlich rahmt diese Arbeit die Herausforderung der Quantenoptimierung neu ein. Sie bewegt sich weg vom abstrakten Ziel, den perfekten Grundzustand zu finden, und konzentriert sich auf die praktische Realität der stabilen Zustände, in denen sich die Natur einpendelt. Indem sie bewiesen haben, dass diese Aufgabe (unter Standard-Komplexitätsannahmen) klassisch schwer, aber quantentechnisch einfach ist, haben die Forscher ein konkretes Problem identifiziert, bei dem Quantencomputer ihre Überlegenheit demonstrieren können. Dies ist nicht nur eine theoretische Kuriosität; es weist auf eine Zukunft hin, in der Quantenmaschinen Probleme in Physik und Chemie lösen können, die derzeit unlösbar sind, indem sie denselben Kühlprinzipien folgen, die das Universum seit seinem Beginn nutzt.