Quantum Zeno Monte Carlo for computing observables

Auf der Suche nach dem Verständnis der Bausteine der Materie haben sich Wissenschaftler lange Zeit auf leistungsstarke Computer verlassen, um zu simulieren, wie Atome und Elektronen miteinander interagieren. Diese Simulationen sind essenziell für das Design neuer Materialien, Medikamente und Technologien, stoßen jedoch an eine Grenze, wenn die Systeme zu komplex werden. Die Gleichungen, die diese winzigen Teilchen steuern, sind so kompliziert, dass selbst die fortschrittlichsten Supercomputer Schwierigkeiten haben, sie präzise zu lösen. Vor kurzem ist eine neue Generation von Maschinen bekannt geworden, die als Quantencomputer bezeichnet werden und versprechen, diese Einschränkungen zu umgehen, indem sie die seltsamen Regeln der Quantenphysik nutzen, um Informationen zu verarbeiten. Diese Maschinen sind jedoch derzeit fragil. Sie sind anfällig für Fehler, die durch Umgebungsrauschen und die unvollkommene Art und Weise verursacht werden, mit der sie komplexe Berechnungen in kleinere Schritte zerlegen. Dies hat eine schwierige Lücke geschaffen: Die Computer sind leistungsstark genug, um interessant zu sein, aber zu verrauscht, um für die anspruchsvollsten Aufgaben voll zuverlässig zu sein.

Ein Forschungsteam hat nun eine neue Methode vorgestellt, die darauf ausgelegt ist, diese Lücke zu schließen und es Wissenschaftlern zu ermöglichen, nützliche Informationen aus diesen unvollkommenen Maschinen zu extrahieren. Ihr Ansatz, genannt Quantum Zeno Monte Carlo, ist eine hybride Technik, die klassisches Computing mit Quantenverarbeitung kombiniert. Er ist speziell darauf ausgelegt, den Fehlern standzuhalten, die derzeit frühen Quantengeräten zusetzen. Durch den Einsatz eines cleveren mathematischen Tricks, der auf wiederholten Messungen basiert, kann die Methode die Energie und andere Eigenschaften von Quantensystemen mit hoher Genauigkeit berechnen, selbst wenn die zugrunde liegende Hardware Fehler macht. Diese Arbeit legt nahe, dass wir nicht auf perfekte, fehlerfreie Maschinen warten müssen, um komplexe Probleme zu lösen; stattdessen können wir Algorithmen verwenden, die gegenüber dem aktuell existierenden Rauschen resilient sind.

Die Geschichte dieser Methode beginnt mit einem Phänomen, das als Quanten-Zeno-Effekt bekannt ist. Vereinfacht ausgedrückt beschreibt dieser Effekt, wie ein Quantensystem „eingefroren“ in seinem aktuellen Zustand bleiben kann, wenn es häufig genug beobachtet wird. Stellen Sie sich einen Kreisel vor, der ständig angestoßen wird; wenn die Stöße schnell genug erfolgen, könnte der Kreisel keine Zeit haben zu wackeln oder umzufallen, und somit effektiv aufrecht bleiben. In der Quantenwelt verhindert das wiederholte Überprüfen eines Systemzustands, dass dieser sich in etwas anderes verwandelt. Die Forscher erkannten, dass sie dieses Prinzip nicht nur nutzen können, um einen Zustand einzufrieren, sondern um ein System von einem einfachen, bekannten Ausgangspunkt hin zu einem komplexen, unbekannten Zielzustand zu führen.

Traditionell erfordert das Finden des spezifischen Energiezustands eines komplexen Moleküls oder Materials eine Annahme, die bereits sehr nah an der Antwort liegt. Wenn die Annahme zu weit entfernt ist, scheitert der Computer beim Finden der Lösung. Dies ist eine große Hürde, da die Vorbereitung eines solchen perfekten Ausgangszustands oft genauso schwierig ist wie das Lösen des Problems selbst. Die neue Methode entfernt diese Anforderung. Sie beginnt mit einem Zustand, der leicht vorzubereiten ist, und verändert dann schrittweise die Regeln des Systems, bis sie dem komplexen Zielzustand entspricht. An jedem Schritt wird das System häufig gemessen. Diese ständige Beobachtung hält das System auf Kurs und verhindert, dass es in den falschen Zustand abdriftet, selbst wenn der Ausgangspunkt kein perfekter Treffer war.

Um dies auf realer Hardware umzusetzen, mussten die Forscher ein weiteres Problem lösen: Wie man die Fehler handhabt, die auftreten, wenn ein Quantencomputer den Verlauf der Zeit simuliert. Diese Fehler, bekannt als Trotter-Fehler, entstehen, weil der Computer die kontinuierliche Zeitentwicklung nicht perfekt durchführen kann; er muss die Zeit in winzige, diskrete Abschnitte unterteilen. Normalerweise häufen sich diese kleinen Fehler an und ruinieren das Endergebnis. Das Team fand heraus, dass sie die Antwort als Verhältnis berechnen können – indem sie eine Messung durch eine andere teilen –, wodurch diese Fehler sich gegenseitig aufheben. Es ist vergleichbar mit dem Wiegen zweier Objekte auf einer wackeligen Waage; wenn die Waage für beide in gleicher Weise ungenau ist, bleibt der Unterschied zwischen ihren Gewichten dennoch korrekt. In ihrer Methode werden der Zähler und der Nenner der Berechnung durch das Rauschen auf fast identische Weise beeinflusst, sodass sie bei der Division das Rauschen verschwindet und ein sauberes, genaues Ergebnis übrig bleibt.

Die Forscher testeten diesen Ansatz an einer Vielzahl von Systemen, die von einfachen Einzelatom-Modellen bis hin zu komplexeren Molekülen wie Wasserstoff und Modellen von Elektroneninteraktionen in Festkörpern reichten. Sie führten Simulationen auf tatsächlichen Quantencomputern durch, die über das IBM-Netzwerk verfügbar sind und für ihr Rauschen und ihre Unvollkommenheiten bekannt sind. Trotz der Anwesenheit von Geräuschrauschen und den Fehlern aus der Zerlegung der Zeit in Schritte lieferte die Methode Ergebnisse, die den bekannten exakten Werten mit bemerkenswerter Präzision entsprachen. Beispielsweise waren die Ergebnisse bei der Berechnung der Energieniveaus eines Wasserstoffmoleküls innerhalb von 0,02 Einheiten der Energie genau. Als sie ein Modell mit bis zu 12 Qubits testeten, lieferte die Methode immer noch Grundzustandsenergiefehler von nur 0,015 – eine Präzision, die andere fortgeschrittene Methoden ohne die Verwendung wesentlich tieferer, fehleranfälligerer Schaltkreise kaum erreichten.

Das Team verglich seine Technik auch mit anderen modernsten Methoden für Quantencomputer. Sie fanden heraus, dass ihr Ansatz eine höhere Präzision mit kürzeren, einfacheren Schaltkreisen erreichen kann, was ein entscheidender Vorteil für die aktuelle Hardware ist, die keine langen Programme laufen lassen kann, ohne zu scheitern. Während die Methode eine große Anzahl wiederholter Messungen erfordert, um statistische Fluktuationen auszugleichen, ist dieser Kompromiss günstig, da er die Notwendigkeit tiefer, komplexer Schaltkreise vermeidet, die derzeit nicht zuverlässig ausführbar sind. Die Forscher demonstrierten, dass diese Resilienz auch dann bestehen bleibt, wenn die Systemgröße wächst, indem sie erfolgreich größere Gitter interagierender Elektronen auf einem rauschfreien Simulator simulierten und bestätigten, dass die Methode gut skaliert.

Was diese Entwicklung besonders bedeutsam macht, ist, dass sie nicht darauf angewiesen ist, dass die Maschinen perfekt sind. Stattdessen akzeptiert sie die Realität der heutigen Technologie. Durch die Nutzung des Quanten-Zeno-Effekts zur Führung des Systems und einer verhältnisbasierten Berechnung zur Eliminierung von Fehlern verwandelt die Methode die Schwächen der heutigen Quantencomputer in handhabbare Herausforderungen. Die Forscher zeigten, dass sie nicht nur die Energie eines Systems berechnen können, sondern auch dessen dynamische Eigenschaften, wie etwa die Reaktion auf verschiedene Frequenzen. Dies öffnet die Tür zur Untersuchung einer breiten Palette physikalischer und chemischer Phänomene, die mit verrauschten Geräten zuvor unerreichbar waren.

Die Arbeit weist einen neuen Weg in die Zukunft. Anstatt auf die ferne Zukunft zu warten, in der voll fehlertolerante Quantencomputer gebaut werden, können Wissenschaftler bereits heute mit den verfügbaren verrauschten Maschinen bedeutsame Probleme lösen. Die Methode bietet einen robusten Weg, Wahrheit aus Fehlern zu extrahieren, und beweist, dass selbst in einer verrauschten Umgebung die fundamentalen Eigenschaften der Materie mit dem richtigen Ansatz entschlüsselt werden können. Während sich die Hardware weiter verbessert, wird dieser resiliente Algorithmus wahrscheinlich zu einem noch mächtigeren Werkzeug werden, das dabei hilft, die Geheimnisse von Materialien und Molekülen zu entschlüsseln, die der klassischen Berechnung lange verborgen geblieben sind.