⚛️ quantum physics

Quantum-Classical Auxiliary Field Quantum Monte Carlo with Matchgate Shadows on Trapped Ion Quantum Computers

Este artículo demuestra un flujo de trabajo de extremo a extremo, acelerado por GPU y que rompe récords, para simular barreras de reacciones químicas mediante Monte Carlo de Campo Auxiliar Cuántico Clásico-Cuántico con sombras de compuerta de coincidencia (matchgate shadows) en una computadora cuántica IonQ Forte, logrando aceleraciones significativas y resultados dentro de 10 kcal/mol de los valores de referencia.

Autores originales: Luning Zhao, Joshua J. Goings, Willie Aboumrad, Andrew Arrasmith, Lazaro Calderin, Spencer Churchill, Dor Gabay, Thea Harvey-Brown, Melanie Hiles, Magda Kaja, Matthew Keesan, Karolina Kulesz, Andrii M

Publicado 2026-07-30

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Luning Zhao, Joshua J. Goings, Willie Aboumrad, Andrew Arrasmith, Lazaro Calderin, Spencer Churchill, Dor Gabay, Thea Harvey-Brown, Melanie Hiles, Magda Kaja, Matthew Keesan, Karolina Kulesz, Andrii Maksymov, Mei Maruo, Mauricio Muñoz, Bas Nijholt, Rebekah Schiller, Yvette de Sereville, Amy Smidutz, Felix Tripier, Grace Yao, Trishal Zaveri, Coleman Collins, Martin Roetteler, Evgeny Epifanovsky, Arseny Kovyrshin, Lars Tornberg, Anders Broo, Jeff R. Hammond, Zohim Chandani, Pradnya Khalate, Elica Kyoseva, Yi-Ting Chen, Eric M. Kessler, Cedric Yen-Yu Lin, Gandhi Ramu, Ryan Shaffer, Michael Brett, Benchen Huang, Maxime R. Hugues, Tyler Y. Takeshita

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

Imagina intentar predecir cómo se comportará una máquina compleja con solo mirar sus planos. En el mundo de la química, esa máquina es una molécula, y el plano es un conjunto de ecuaciones que describen cómo los electrones danzan alrededor de los átomos. Durante décadas, los científicos han utilizado potentes computadoras clásicas para resolver estas ecuaciones, pero cuando las moléculas se vuelven complicadas —como aquellas que involucran metales de transición utilizados en fármacos que salvan vidas o catalizadores industriales— las matemáticas se vuelven tan increíblemente enredadas que incluso las supercomputadoras más rápidas del mundo se quedan estancadas. Es como intentar desenredar un nudo de mil millones de cuerdas con los ojos vendados; cuanto más cuerdas añades, más difícil se vuelve, hasta que la tarea se vuelve imposible. Aquí es donde la computación cuántica entra en la historia. En lugar de intentar desenredar el nudo con un solo par de manos, las computadoras cuánticas utilizan las extrañas reglas del mundo cuántico para explorar muchas posibilidades a la vez, ofreciendo un posible atajo para comprender estas complejas reacciones químicas. La gran pregunta es: ¿podemos realmente usar estas máquinas nuevas, frágiles y ruidosas, para resolver problemas de química del mundo real hoy en día, o seguimos esperando un futuro perfecto y libre de errores?

Este artículo cuenta la historia de un equipo que decidió dejar de esperar y empezar a construir un puente entre los mundos cuántico y clásico para resolver un rompecabezas químico específico y difícil. Se centraron en una reacción llamada acoplamiento cruzado de Suzuki–Miyaura, un proceso vital utilizado para unir átomos de carbono para crear medicinas. Específicamente, querían calcular la barrera de energía para un paso donde un átomo de níquel agarra una pieza de una molécula para iniciar la reacción. Este es un problema notoriamente difícil porque el átomo de níquel tiene electrones que están fuertemente "correlacionados", lo que significa que actúan de una manera altamente coordinada y caótica que rompe los modelos computacionales estándar. Los investigadores no solo simularon esto en una computadora; realizaron un experimento real utilizando una computadora cuántica de IonQ, que utiliza iones atrapados (átomos cargados) como sus unidades de procesamiento, combinada con un enorme ejército de GPUs de NVIDIA para realizar el trabajo pesado.

El equipo desarrolló un flujo de trabajo ingenioso llamado "Monte Carlo de Campo Auxiliar Cuántico-Clásico" (QC-AFQMC). Piensa en esto como una carrera de relevos. Primero, la computadora cuántica prepara un "estado de prueba", que es un cálculo aproximado de cómo se ven los electrones de la molécula. En lugar de pedirle a la computadora cuántica que haga toda la matemática difícil, el equipo utilizó una técnica llamada "sombras de matchgate". Imagina tomar una foto de un objeto 3D desde muchos ángulos diferentes y aleatorios para crear una "sombra" que capture su esencia sin necesidad de ver cada uno de sus detalles. Estas sombras son luego enviadas a las supercomputadoras clásicas, que utilizan trucos matemáticos avanzados (como la diferenciación algorítmica) para terminar el cálculo y predecir la barrera de energía.

Los resultados fueron una mezcla de triunfo y realidades. Cuando utilizaron el "simulador ideal" de la computadora cuántica (una versión perfecta y sin ruido), sus resultados fueron increíblemente cercanos a la referencia de oro, situándose dentro de ±4 kcal/mol del valor esperado. Sin embargo, cuando realizaron el experimento en el hardware cuántico real y ruidoso de IonQ Forte, los resultados se desviaron un poco, terminando dentro de 10 kcal/mol de la referencia. Aunque esto no es perfecto todavía, es un salto masivo hacia adelante. El artículo descarta explícitamente la idea de que este método sea demasiado lento o costoso para ser útil; de hecho, lograron una aceleración de 656 veces en el tiempo necesario para resolver el problema en comparación con los métodos de vanguardia anteriores, gracias a sus nuevos algoritmos y la aceleración por GPU. También descubrieron que, si bien el hardware cuántico introdujo algo de ruido que desplazó los valores de energía, el método se mantuvo lo suficientemente robusto como para proporcionar información química útil.

El equipo también descubrió que ajustar la computadora cuántica específicamente para este trabajo marcaba una gran diferencia. Al optimizar la forma en que se enviaban y ejecutaban los circuitos, aceleraron la recolección de datos 9 veces. Utilizaron 24 qubits en total: 16 para representar el estado de prueba de la molécula y 8 qubits "ancilla" adicionales para ayudar a detectar y corregir errores. La conclusión final es que, aunque aún no estamos ahí para una química perfecta y libre de errores en dispositivos cuánticos, este flujo de trabajo de extremo a extremo demuestra que ahora podemos abordar reacciones catalíticas reales y complejas que antes estaban fuera de nuestro alcance. Es un paso significativo hacia la conversión de la química cuántica en una herramienta práctica para el descubrimiento de fármacos, demostrando que, con la mezcla adecuada de hardware cuántico, potencia de supercomputación clásica y algoritmos ingeniosos, podemos empezar a resolver los nudos enredados de la química molecular.

Resumen Técnico: Monte Carlo de Campo Auxiliar Cuántico Clásico-Cuántico con Sombras de Matchgate en Computadoras Cuánticas de Iones Atrapados

Planteamiento del Problema
El modelado preciso de las barreras de reacción química que involucran catalizadores de metales de transición (TM), como la reacción de acoplamiento cruzado de Suzuki–Miyaura, sigue siendo un desafío significativo para la química computacional clásica. Estos sistemas exhiben una fuerte correlación electrónica y un carácter multirreferencial debido a los electrones d o f desapareados, lo que provoca que los métodos estándar de referencia única como la Teoría del Funcional de la Densidad (DFT) e incluso el "estándar de oro" de Coupled Cluster Singles and Doubles with perturbative Triples [CCSD(T)] fallen o se desmoronen. Aunque la Estimación de Fase Cuántica (QPE) ofrece soluciones exactas, requiere hardware tolerante a fallos más allá de las capacidades actuales. Los Solucionadores Cuánticos Variacionales (VQE) son resilientes al ruido, pero sufren de costos de medición prohibitivos y sensibilidad al ruido del dispositivo. En consecuencia, existe la necesidad de algoritmos híbridos cuántico-clásicos que puedan aprovechar el hardware cuántico de escala intermedia (near-term) para preparar estados de prueba correlacionados, mitigando simultáneamente los cuellos de botella computacionales del post-procesamiento clásico.

Metodología
Los autores presentan un flujo de trabajo de extremo a extremo para el algoritmo de Monte Carlo de Campo Auxiliar Cuántico Clásico-Cuántico (QC-AFQMC), ejecutado dentro de un entorno de supercomputación cuántica acelerado. El flujo de trabajo integra la computadora cuántica de iones atrapados IonQ Forte con GPUs de NVIDIA en Amazon Web Services (AWS).

Marco Algorítmico: El método utiliza el enfoque de Monte Carlo de proyector de AFQMC clásico, que evoluciona una función de onda en tiempo imaginario para encontrar el estado fundamental. Para abordar el problema de la fase fermiónica, se requiere una función de onda de prueba ( $|\Psi_T\rangle$ ). En esta implementación, el estado de prueba se prepara en una computadora cuántica utilizando el Solucionador Cuántico Variacional (VQE) con un ansatz de upCCD (unitary pair coupled-cluster doubles).
Sombras de Matchgate: En lugar de utilizar la prueba de Hadamard estándar o sombras clásicas basadas en Clifford (que escalan exponencialmente para cálculos de solapamiento en AFQMC), el flujo de trabajo emplea sombras de matchgate. Esta técnica permite la evaluación eficiente de los solapamientos $\langle \Psi_T | \phi \rangle$ entre el estado de prueba cuántico y los estados de caminante clásicos. El cálculo del solapamiento escala polinómicamente ( $O(N^{4.5})$ ) con el tamaño del sistema $N$ .
Energía de Correlación Virtual (VCE): Para manejar sistemas químicos grandes donde el espacio orbital completo excede los qubits disponibles, el sistema se particiona en un espacio activo (manejado por el estado de prueba cuántico) y un espacio virtual. La técnica VCE captura las correlaciones electrónicas fuera del espacio activo utilizando un determinante de Slater único, permitiendo que los recursos cuánticos se concentren en el espacio activo fuertemente correlacionado.
Optimizaciones Algorítmicas: Los autores introducen mejoras algorítmicas significativas en el paso de post-procesamiento clásico. Al utilizar la diferenciación algorítmica (específicamente derivadas de Pfaffianos de matrices) en lugar de diferencias finitas, la complejidad computacional para calcular las energías locales y los términos de sesgo de fuerza se reduce de $O(N^{8.5})$ y $O(N^{7.5})$ a $O(N^{5.5})$ y $O(N^{4.5})$ , respectivamente.
Ejecución de Hardware:
- Cuántico: El estado de prueba se optimiza en un simulador ideal, y los circuitos de sombra de matchgate se ejecutan en el QPU IonQ Forte. Se implementó la sintonización de rendimiento del software de control y firmware del QPU para maximizar el rendimiento (throughput).
- Clásico: El post-procesamiento, incluyendo la propagación en tiempo imaginario y la evaluación de energía, se realiza en AWS ParallelCluster con GPUs NVIDIA H100 y H200, aprovechando las librerías cuBLAS, cuSOLVER y cuTENSOR.

Contribuciones Clave

Primera Demostración a Gran Escala: Este trabajo reporta el experimento de QC-AFQMC con sombras de matchgate más grande realizado con hardware cuántico hasta la fecha, utilizando 24 qubits (16 para el estado de prueba, 8 ancilla para mitigación de errores) en el procesador IonQ Forte.
Aceleración Algorítmica: La implementación logra una mejora de 656× en el tiempo de solución para el paso de post-procesamiento clásico en comparación con la implementación de vanguardia de Huang et al. [41], impulsada principalmente por la reducción de la complejidad asintótica mediante la diferenciación algorítmica y la aceleración por GPU.
Optimización del Rendimiento del Hardware: La sintonización específica del stack de control de IonQ Forte resultó en una aceleración de 9× en la recolección de mediciones de circuitos de matchgate.
Flujo de Trabajo de Extremo a Extremo: El artículo establece un flujo de trabajo totalmente integrado que combina la preparación de estados cuánticos, la tomografía de sombras y la propagación de Monte Carlo clásica acelerada por GPU para problemas químicos complejos.

Resultados
El algoritmo se aplicó para simular el paso de adición oxidativa de una reacción de acoplamiento cruzado de Suzuki–Miyaura catalizada por níquel (involucrando la especie B, el estado de transición [B-C]‡ y el producto C) utilizando un espacio activo de (8,8).

Precisión: Cuando las matchgates se muestrearon en un simulador ideal, las barreras de reacción calculadas estuvieron dentro del intervalo de incertidumbre de ±4 kcal/mol del resultado de referencia CCSD(T).
Impacto del Ruido: Cuando se midieron en el QPU real, los resultados desviaron aproximadamente 10 kcal/mol del resultado de referencia. El ruido causó un cambio cualitativo en el orden de energía predicho del reactivo y el producto, resaltando las limitaciones actuales de la mitigación de errores para esta aplicación específica.
Número de Partículas: Mientras que el simulador ideal produjo números de partículas cercanos a la verdad de base (8 electrones), las mediciones del QPU mostraron una desviación a aproximadamente 10.5 electrones, indicando un ruido de hardware significativo, aunque los resultados de energía se mantuvieron más resilientes a este ruido que las estimaciones del número de partículas.

Significancia
El artículo afirma que este trabajo representa un "paso hacia las simulaciones de química cuántica prácticas en dispositivos cuánticos". Desafía el consenso previo de que el QC-AFQMC es prohibitivamente costoso para sistemas de interés científico real al demostrar que, con refinamientos algorítmicos y aceleración de hardware, el método puede aplicarse a complejos de metales de transición catalíticos. El estudio identifica que, si bien el método es viable, se requiere un mayor desarrollo en las técnicas de mitigación de errores y en la selección de estados de prueba robustos para alcanzar plenamente su potencial en hardware cuántico de escala intermedia ruidosa (NISQ). El trabajo subraya la necesidad de co-diseñar el software de control del hardware cuántico con cargas de trabajo algorítmicas específicas para lograr aceleraciones significativas.

Más como este