Scalable nuclear shell model calculations on noisy quantum computers

Der Atomkern ist ein dicht gepackter Cluster aus Protonen und Neutronen, der durch Kräfte zusammengehalten wird, die weit komplexer sind als eine einfache Anziehung. Um zu verstehen, wie sich diese Teilchen anordnen und welche Energie sie besitzen, verlassen sich Physiker auf einen mathematischen Rahmen, den das Kernschalenmodell. Dieses Modell behandelt den Kern gewissermaßen wie ein mehrstöckiges Gebäude, in dem Teilchen spezifische Energieniveaus oder „Schalen“ besetzen. Die Berechnung des exakten Verhaltens dieser Teilchen ist jedoch eine monumentale Aufgabe für klassische Computer. Wenn die Anzahl der Teilchen wächst, explodiert die Anzahl der möglichen Anordnungen, die sie einnehmen können, exponentiell. Stellen Sie sich vor, Sie versuchen, jede mögliche Art und Weise zu zählen, wie ein Kartendeck gemischt werden könnte; für einen kleinen Kern ist die Zahl handhabbar, aber für größere Kerne wird die Zahl der Möglichkeiten so gewaltig, dass selbst die leistungsstärksten Supercomputer der Welt in den Speicherplatzmangel laufen, bevor sie die Berechnung abschließen können. Dieser Engpass hat es Wissenschaftlern lange Zeit verhindert, bestimmte instabile, neutronenreiche Kerne zu untersuchen, die den Schlüssel zum Verständnis der Entstehung der Elemente in unserem Universum halten.

Ein Forschungsteam vom Indian Institute of Technology Roorkee hat einen neuen Weg gefunden, um dieses computergestützte Labyrinth zu navigieren, indem es die Stärken klassischer Supercomputer mit der aufkommenden Leistungsfähigkeit von Quantencomputern kombiniert. Anstatt den Quantencomputer zu bitten, das gesamte Problem auf einmal zu lösen – eine Aufgabe, die heutige Maschinen aufgrund ihrer Rauschempfindlichkeit nicht bewältigen können –, nutzten die Forscher das Quantengerät für eine sehr spezifische, begrenzte Aufgabe: das Sampling (Stichprobenverfahren). Sie behandelten den Quantencomputer als ein Werkzeug, um eine Liste der wichtigsten Teilchenanordnungen oder Konfigurationen zu generieren, die in dem Kern wahrscheinlich existieren. Sobald diese Liste erstellt war, übergaben sie diese an einen klassischen Supercomputer, der die eigentliche Schwerstarbeit der Berechnung der endgültigen Energieniveaus übernahm. Dieser hybride Ansatz, bekannt als Sample-based Quantum Diagonalization (stichprobenbasierte Quantendiagonalisierung), ermöglichte es ihnen, die Speicherlimits zu umgehen, die normalerweise klassische Berechnungen stoppen, sowie die Fehlerakkumulation, die anderen Quantenmethoden nachspielt.

Die Forscher testeten ihre Methode zuerst an einem Kern namens Argon-38, einem System, das klein genug ist, um von herkömmlichen Computern exakt gelöst zu werden. Ihre neue Technik entsprach perfekt den bekannten Ergebnissen und bestätigte, dass die Methode korrekt funktionierte. Dann wandten sie sie auf einen viel schwierigeren Fall an: Magnesium-32. Dieser Kern ist in der Physik berühmt, weil er sich auf eine Weise verhält, die die Standardregeln der Kernstruktur bricht. Obwohl er eine Anzahl von Neutronen besitzt, die ihn zu einem stabilen, geschlossenen Schalensystem machen sollte, ist er tatsächlich stark deformiert und instabil – ein Phänomen, das in einer Region der Nuklidkarte bekannt als „Inversionsinsel“ auftritt. Um Magnesium-32 genau zu beschreiben, muss man eine massive Anzahl von Teilcheninteraktionen berücksichtigen, die den gesamten Kern betreffen und nicht nur die äußeren Teilchen.

Als das Team versuchte, die Energie von Magnesium-32 mit Standardmethoden der klassischen Computerberechnung zu ermitteln, stießen sie gegen eine harte Wand. Der Speicher des Computers füllte sich lange vor Abschluss der Berechnung, eine Einschränkung, die als „Out of Memory“-Fehler bekannt ist. Der klassische Supercomputer konnte die massive Tabelle von Zahlen, die zur Lösung des Problems erforderlich war, nicht speichern. Im Gegensatz dazu generierte die neue hybride Methode erfolgreich eine approximative Lösung. Indem das Team den Quantencomputer nutzte, um die relevantesten Konfigurationen auszuwählen, und dann das reduzierte Problem auf der klassischen Maschine löste, erhielt das Team eine Grundzustandsenergie für Magnesium-32, die näher am experimentellen Wert lag als der beste klassische Versuch innerhalb derselben Speicherbeschränkungen erreichen konnte. Der Quantenansatz bot nicht nur eine theoretische Möglichkeit; er lieferte ein konkretes Ergebnis dort, wo die klassische Methode versagte.

Die Studie verglich ihre Methode auch mit einer anderen populären Quantentechnik namens Variational Quantum Eigensolver (Variations-Quanten-Eigenwertlöser). Während diese Methode darauf ausgelegt ist, den Zustand niedrigster Energie zu finden, erfordert sie, dass der Quantencomputer immer wieder tiefe, komplexe Schaltkreise durchläuft und seine Einstellungen basierend auf Feedback anpasst. In der verrauschten Umgebung aktueller Quantenhardware akkumuliert dieser Prozess Fehler und nimmt sehr viel Zeit in Anspruch. Die Forscher fanden heraus, dass ihre Sampling-Methode signifikant schneller und genauer war. Für die Magnesium-32-Berechnung lieferte die Sampling-Methode Ergebnisse in wenigen Sekunden, während der andere Quantenansatz Minuten oder Stunden gedauert hätte und dennoch wahrscheinlich unter erheblichem Rauschen gelitten hätte. Darüber hinaus erwies sich die neue Methode als robust gegenüber den Unvollkommenheiten der Hardware; selbst wenn der Quantencomputer Fehler beim Sampling machte, war die anschließende klassische Berechnung in der Lage, das Rauschen herauszufiltern und dennoch ein zuverlässiges Ergebnis zu liefern.

Diese Arbeit zeigt, dass wir nicht darauf warten müssen, bis perfekte, fehlerfreie Quantencomputer existieren, um einige der schwierigsten Probleme der Kernphysik zu lösen. Indem wir die Quantenhardware strikt als Sampler nutzen, um die wichtigsten Teile eines Problems zu identifizieren, und die endgültige Berechnung den klassischen Maschinen überlassen, können Wissenschaftler nun Kernsysteme untersuchen, die zuvor unmöglich zu erforschen waren. Die Forscher zeigten, dass ihre Methode für einen Kern mit 48 Spin-Orbitalen – eine Größe, die klassische Computer zum Absturz bringt – immer noch eine aussagekräftige Antwort liefern kann. Obwohl die Ergebnisse für die größten Systeme aufgrund der begrenzten Anzahl an verfügbaren Messungen auf aktuellen Geräten noch nicht vollständig konvergiert waren, war der Trend klar: Die Methode skaliert effizient und umgeht die Speicherengpässe, die den Fortschritt jahrzehntelang aufgehalten haben. Dieser Ansatz eröffnet einen praktischen Weg zum Verständnis der Struktur exotischer Kerne und hilft dabei, unser Wissen über die Kräfte, die Materie zusammenhalten, und die Ursprünge der Elemente zu verfeinern.