Fast simulations of X-ray absorption spectroscopy for battery materials on a quantum computer

Resumen Técnico: Simulaciones Rápidas de Espectroscopía de Absorción de Rayos X para Materiales de Baterías en una Computadora Cuántica

Planteamiento del Problema
La espectroscopía de absorción de rayos X (XAS), particularmente la espectroscopía de absorción de rayos X cerca del borde (XANES), es una técnica crítica para comprender los cambios estructurales en materiales avanzados para baterías, como los cátodos con exceso de litio. Estos materiales son prometedores para aumentar la capacidad de las baterías, pero sufren una rápida disminución del rendimiento vinculada a la degradación estructural irreversible, que a menudo implica la dimerización del oxígeno o cambios en los estados de oxidación de los metales de transición. Determinar estos estados de oxidación a partir de espectros experimentales requiere simulaciones de alta precisión. Sin embargo, los métodos clásicos existentes enfrentan una dicotomía: la teoría del funcional de la densidad (DFT) carece de la precisión necesaria para sistemas fuertmente correlacionados, mientras que los métodos basados en la función de onda (por ejemplo, la interacción de configuración) son computacionalmente prohibitivos para los tamaños de sistema requeridos para modelar estos mecanismos de degradación. Existe una necesidad específica de métodos de simulación capaces de resolver la estructura electrónica local de materiales masivos con metales de transición fuertemente correlacionados, un desafío en el que las computadoras cuánticas están bien posicionadas para contribuir.

Metodología
El artículo propone un algoritmo cuántico altamente optimizado para simular espectros XAS basado en un enfoque de dominio temporal. El objetivo central es computar la sección eficaz de absorción, la cual está relacionada con la parte imaginaria de la función de Green en el dominio de la frecuencia. En lugar de una inversión de matriz directa, el algoritmo utiliza la evolución temporal bajo el Hamiltoniano electrónico, lo cual es más natural para el hardware cuántico.

La implementación se basa en varios componentes técnicos clave:

1. Evolución Temporal mediante Factorización Doble Comprimida (CDF): El Hamiltoniano electrónico se descompone utilizando la técnica CDF (enfoque de subálgebra de Cartan). Esto reduce el número de términos requeridos para la evolución de la fórmula de producto de $O(N^4)$ (típico del mapeo de Jordan-Wigner) a $\tilde{O}(N^3)$. El Hamiltoniano se divide en fragmentos de un cuerpo y de dos cuerpos, cada uno diagonalizado en una base de partícula única específica, lo que permite una implementación eficiente mediante rotaciones de Givens y rotaciones de Pauli Z.
2. Análisis de Error Perturbativo para Pasos de Trotter: Una optimización crítica consiste en reevaluar los requisitos de error para la espectroscopía. En lugar de controlar el error genérico del operador de evolución temporal completo, el algoritmo se enfoca en controlar el error en los autovalores del Hamiltoniano aproximado. Utilizando la teoría de perturbaciones, los autores demuestran que se requieren significativamente menos pasos de Trotter para lograr la precisión espectral necesaria (específicamente para las posiciones de los picos) en comparación con los límites de error de la evolución temporal estándar.
3. Estrategia de Muestreo Optimizada: El algoritmo emplea un esquema de muestreo de Monte Carlo que aprovecha el núcleo lorentziano de decaimiento exponencial inherente a la transformada de Fourier de la señal en el dominio del tiempo. En lugar de un muestreo uniforme a través de los tiempos de evolución, el presupuesto de disparos (shot budget) se asigna de acuerdo con el decaimiento del núcleo, lo que reduce significamente el número de mediciones necesarias para tiempos de evolución más largos.
4. Optimizaciones de Circuito: Se implementan varios trucos a nivel de circuito para reducir el conteo de puertas:
   • Truco de Doble Fase: Reemplazar rotaciones controladas por rotaciones no controladas intercaladas con CNOTs, duplicando efectivamente los pasos de tiempo simulados por ejecución de circuito y reduciendo los costos de puertas Toffoli por un factor de 4.
   • Combinación de Rotaciones Consecutivas: Fusionar rotaciones unitarias entre fragmentos adyacentes para reducir el número de puertas de rotación de la base.
   • Truco de Doble Medición: Extraer información adicional del registro del sistema después de la prueba de Hadamard para obtener un ahorro multiplicativo en los disparos (shots).
   • Precisión de Rotación: Establecer la precisión de la rotación basándose en los requisitos de precisión del observable final en lugar de estándares de alta precisión arbitrarios.

Contribuciones Clave y Resultados
Los autores aplican este algoritmo a un sistema modelo prototípico: el clúster $\text{Li}_4\text{Mn}_2\text{O}$ con un espacio de configuración activa completo de 22 electrones en 18 orbitales (CAS(22e, 18o)). Este sistema fue identificado previamente como fuera del alcance de los métodos de simulación clásica existentes para esta aplicación específica.

• Estimaciones de Recursos: A través de una estimación de recursos de factor constante, los autores muestran que el algoritmo optimizado requiere aproximadamente 100 qubits lógicos y $3.54 \times 10^8$ puertas Toffoli para el circuito más largo. Cuando se compila para una arquitectura de volumen activo de 350 qubits lógicos y una tasa de reloj lógica de 1 MHz, el tiempo de ejecución estimado es de menos de dos días.
• Ganancias de Desempeño: La combinación de optimizaciones resulta en una reducción del conteo de puertas Toffoli en cinco órdenes de magnitud en comparación con una implementación no optimizada. La Figura 1 del artículo detalla las contribuciones específicas de cada optimización (por ejemplo, la CDF proporciona una reducción de $\times 20$, el análisis perturbativo proporciona una reducción de $\times 10.8$).
• Validación: El algoritmo fue implementado en un simulador utilizando la biblioteca PennyLane. Primero se comparó contra una referencia clásica de Interacción de Configuración Completa (FCI) para la molécula de $\text{N}_2$, reproduciendo con precisión el espectro de absorción. Posteriormente, se aplicó al clúster $\text{Li}_4\text{Mn}_2\text{O}$ utilizando la aproximación de separación núcleo-valencia (CVS) para aislar los estados de excitación del núcleo, demostrando la convergencia del espectro con respecto a los parámetros de simulación.
• Comparación Clásica: Una comparación aproximada con el método de Estado Activo Restringido (RAS) de vanguardia sugiere que el algoritmo cuántico podría ser aproximadamente 30 veces más rápido para el sistema objetivo, una brecha que se amplía significativamente para sistemas más grandes debido al escalamiento exponencial de los métodos clásicos frente al escalamiento polinomial ($O(N^3)$) del enfoque cuántico.

Significancia
Los autores afirman que estas optimizaciones hacen que la simulación de XAS sea una aplicación realista y atractiva para los primeros dispositivos cuánticos tolerantes a fallos. Al reducir drásticamente los requisitos de recursos, este trabajo demuestra que las computadoras cuánticas pueden potencialmente resolver problemas específicos e industrialmente relevantes en la ciencia de materiales de baterías que actualmente son intratables para la computación de alto rendimiento clásica. La capacidad de simular estos espectros con alta precisión podría permitir la determinación de los estados de oxidación en cátodos con exceso de litio, ayudando así a comprender los mecanismos de degradación y acelerando el desarrollo de tecnologías de baterías de alta capacidad. Los autores plantean esto no como una solución definitiva a todos los desafíos de las baterías, sino como una prueba de concepto de que un algoritmo cuántico altamente optimizado puede cerrar la brecha entre la simulación teórica y la aplicación industrial en el corto plazo.