Shortcuts for Adiabatic and Variational Algorithms in Molecular Simulation
Este artículo propone y valida estrategias de atajos hacia la adiabaticidad, específicamente un Hamiltoniano contra-adiabático aproximado para la computación cuántica adiabática y un ansatz de gauge adiabático reducido (AGAR) para el algoritmo de solucionador cuántico variacional de valores propios, demostrando que estos enfoques aceleran la preparación del estado fundamental y superan a métodos establecidos como UCCSD en precisión y resiliencia al ruido en el hardware cuántico actual.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Durante décadas, los científicos han soñado con utilizar computadoras cuánticas para resolver problemas que son imposibles para las máquinas actuales. El objetivo más prometedor para esta tecnología es la química: comprender cómo los átomos se unen para formar moléculas. Para predecir las propiedades de un nuevo fármaco o de un material más resistente, es necesario calcular la energía de los electrones que orbitan alrededor de los núcleos atómicos. Mientras que las computadoras clásicas luchan con esta tarea porque el número de posibles disposiciones electrónicas crece de forma explosiva con el tamaño de la molécula, las computadoras cuánticas son naturalmente aptas para imitar estas interacciones. Sin embargo, las máquinas cuánticas actuales son frágiles. Son propensas a errores causados por el ruido ambiental y tienen una capacidad limitada para retener la información. Esto significa que las complejas secuencias de operaciones requeridas para simular una molécula a menudo fallan antes de que puedan terminar, obligando a los investigadores a encontrar formas de hacer más con menos.
En este contexto, un equipo de investigadores ha desarrollado una nueva estrategia para hacer que las simulaciones moleculares sean más rápidas y robustas en el hardware imperfecto de hoy. Se centraron en dos enfoques principales utilizados para preparar el estado de menor energía de una molécula, que corresponde a su forma más estable. El primer enfoque, conocido como computación cuántica adiabática, consiste en guiar lentamente un sistema desde un punto de partida simple hacia el estado objetivo complejo. El segundo, llamado resolvedor de valores propios variacional (VQE), utiliza un método híbrido donde una computadora cuántica prueba diferentes configuraciones mientras una computadora clásica ajusta los parámetros para encontrar el mejor resultado. Ambos métodos enfrentan un obstera común: usualmente requieren secuencias largas e intrincadas de operaciones que acumulan errores. Los investigadores se propusieron acortar estas secuencias sin perder precisión, utilizando una técnica inspirada en la física de los "atajos a la adiabaticidad".
La idea central detrás de su trabajo es añadir una corrección específica y calculada al proceso que evita que el sistema se pierda durante la transición. Imagine intentar caminar por la cuerda floja; si se mueve demasiado lento, podría tambalearse y caer, pero si se mueve demasiado rápido, podría pasarse de largo. Los investigadores encontraron una manera de añadir una fuerza de guía que mantiene al sistema en el camino correcto incluso cuando el movimiento es rápido. En el lenguaje de su estudio, esto implica construir un Hamiltoniano "contraadiabático" aproximado. Esta es una instrucción adicional añadida a la computadora cuántica que suprime activamente los saltos no deseados entre estados de energía. Al utilizar una expansión matemática para construir esta corrección, crearon una versión que es lo suficientemente simple como para ejecutarse en los dispositivos actuales, pero lo suficientemente poderosa como para acelerar significativamente la simulación.
Cuando aplicaron este atajo al enfoque adiabático, los resultados mostraron una clara ventaja. Al incorporar esta corrección, el sistema pudo alcanzar el estado molecular deseado en un tiempo mucho más corto. Si bien añadir la corrección significó que la computadora tuviera que realizar ligeramente más operaciones en cada paso, el tiempo total requerido para obtener un resultado preciso se redujo. Esto se debe a que el sistema ya no necesitaba moverse tan lentamente para evitar errores. Los investigadores probaron esto en dos moléculas simples, hidruro de litio e hidruro de berilio, y encontraron que el atajo les permitió lograr el mismo nivel de precisión con menos operaciones totales que el método estándar. Este es un hallazgo crucial porque, en máquinas ruidosas, menos operaciones significan menos oportunidades de que los errores arruinen el cálculo.
El equipo luego tomó esta misma visión física y la aplicó al enfoque variacional, que es actualmente el método más popular para las computadoras cuánticas de corto plazo. En lugar de ejecutar un proceso dependiente del tiempo, diseñaron un nuevo tipo de circuito, o "ansatz", que fue construido directamente a partir de la estructura matemática del atajo. Llamaron a este circuito el ansatz de gauge adiabático. Este circuito utiliza un conjunto específico de bloques de construcción derivados de la física del atajo para explorar el paisaje de energía. Para hacerlo aún más práctico para el hardware actual, crearon una versión reducida que utiliza solo los bloques de construcción más simples, descartando los más complejos que son más difíciles de implementar. Esta versión reducida, que llamaron AGAR, mantuvo la precisión alta mientras reducía drásticamente el número de ajustes que la computadora debía calibrar.
El equipo puso sus nuevos métodos a prueba en hardware cuántico real, específicamente en el procesador IBM basquecountry, que es una computadora cuántica superconductora. También realizaron simulaciones que imitaban los errores aleatorios encontrados en máquinas reales. Tanto en las pruebas del mundo real como en las simulaciones, los nuevos métodos superaron a los enfoques estándar utilizados actualmente en el campo. El ansatz reducido, en particular, produjo cálculos de energía más cercanos a los valores reales que el método estándar, incluso cuando la máquina era ruidosa. Esto sugiere que, al diseñar circuitos motivados físicamente para resistir errores, en lugar de simplemente intentar ser lo más general posible, los científicos pueden obtener mejores resultados de las máquinas limitadas disponibles hoy en día.
El estudio concluye que estas estrategias inspiradas en atajos ofrecen una forma práctica de equilibrar la necesidad de precisión con la realidad de las limitaciones del hardware. Al utilizar los principios físicos de cómo evolucionan los estados cuánticos, los investigadores crearon herramientas que son más eficientes y resilientes. Aunque este trabajo se demostró en moléculas pequeñas, el enfoque proporciona un plano para abordar sistemas químicos más grandes y complejos en el futuro. Los hallazgos sugieren que el camino hacia adelante para la química cuántica no reside solo en construir computadoras más grandes, sino en algoritmos más inteligentes que trabajen a favor de la física cuántica para superar el ruido que actualmente frena al campo.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.