Quantum annealers as programmable thermal machines

Resumen Técnico: Recocedores Cuánticos como Máquinas Térmicas Programables

Planteamiento del Problema
Aunque los recocedores cuánticos (específicamente los sistemas D-Wave) son evaluados rutinariamente mediante la calidad de las soluciones, las capacidades de muestreo y el tiempo para alcanzar la solución, su rendimiento termodinámico permanece en gran medida sin caracterizar. La literatura existente ha establecido que estos dispositivos operan como máquinas térmicas cuánticas, particularmente en ciclos de recocido inverso donde absorben y liberan calor. Sin embargo, carece de un marco integral para cuantificar el intercambio de energía, la producción de entropía y el trabajo sin tener acceso total al entorno o a un modelo detallado del baño microscópico. Los autores abordan la necesidad de caracterizar el procesador D-Wave no solo como un optimizador, sino como una máquina térmica programable cuyo modo de operación (calentador, acelerador, motor o refrigerador) puede controlarse y diagnosticarse a través de estadísticas de energía.

Metodología
Los autores tratan el recocedor cuántico D-Wave como un ciclo termodinámico cerrado impulsado por un protocolo de recocido inverso. El flujo de trabajo experimental consiste en:

1. Inicialización: Preparación de un estado de Gibbs clásico del Hamiltoniano de Ising programado ($H_p$) a una temperatura inversa controlada $\beta_1$.
2. Evolución: Ejecución de un ciclo de recocido inverso donde el parámetro de recocido $s(t)$ aumenta desde $s=1$ hasta un punto de retorno $s_p$ y regresa a $s=1$. Esto asegura que los Hamiltonianos inicial y final sean idénticos ($H(0)=H(1)=H_p$).
3. Medición: Realización de una medición de energía de dos puntos para determinar el cambio en la energía del problema, $\Delta E_1 = E_p(\sigma(\tau)) - E_p(\sigma(0))$.
4. Análisis:
   • Termometría Efectiva: Ajuste de las configuraciones de espín de salida al Hamiltoniano de Ising programado mediante verosimilitud pseudo (pseudo-likelihood) para estimar una temperatura inversa del entorno efectivo, $\beta_2$ (y la temperatura correspondiente $T_2$).
   • Límites Termodinámicos: Utilización del Teorema de Fluctuación de Intercambio y de las Relaciones de Incertidumbre Termodinámica (TURs). Dado que solo $\Delta E_1$ es directamente observable, los autores derivan límites inferiores rigurosos sobre la producción de entropía ($\Sigma$), el intercambio de calor ($Q$) y el trabajo ($W$) utilizando únicamente los dos primeros momentos de $\Delta E_1$ y el $\beta_2$ ajustado.
   • Clasificación: Mapeo del régimen de operación basado en los signos del cambio de energía promedio del procesador ($\langle \Delta E_1 \rangle$), el cambio de energía del entorno ($\langle \Delta E_2 \rangle$) y el trabajo ($\langle W \rangle$).

Los experimentos se realizaron en los sistemas D-Wave Advantage (topología Pegasus) y Advantage2 (topología Zephyr) utilizando cadenas de Ising unidimensionales e instancias de Pegasus bidimensionales (Uniforme Aleatorio y Ferromagnete Sesgado Corrupto).

Contribuciones Clave

1. Clasificación Termodinámica Unificada: El artículo demuestra que, al variar la temperatura de preparación inicial ($\beta_1$) y el punto de retorno del recocido inverso ($s_p$), el mismo hardware puede programarse para operar en distintos regímenes termodinámicos:
   • Calentador (Heater): Tanto el procesador como el entorno ganan energía; se suministra trabajo.
   • Acelerador (Accelerator): El procesador pierde energía mientras el entorno gana energía; se suministra trabajo para asistir la relajación.
   • Refrigerador (Refrigerator): El impulso fuerza el intercambio de energía contra el sesgo térmico espontáneo.
   • Motor/Acelerador (Engine/Accelerator): En regiones donde los límites disponibles no separan de forma única la extracción de trabajo de la aceleración impulsada, los autores asignan una etiqueta combinada de "Motor/Acelerador" para evitar la sobreinterpretación de los datos. Aunque la operación compatible con un motor es teóricamente permitida, los límites experimentales no distinguen de forma unívoca la operación de motor de la de acelerador.
2. Límites Independientes del Dispositivo: Los autores proporcionan un método para establecer límites inferiores sobre la producción de entropía, el calor, el trabajo y la potencia utilizando únicamente los cambios de energía reportados por la Unidad de Procesamiento Cuántico (QPU), sin requerir un modelo específico del entorno.
3. Termometría Operacional: El estudio introduce un diagnóstico de termometría integrado donde la temperatura efectiva ajustada $T_2$ sirve como un indicador sensible del estado térmico de los grados de libertad computacionales, distinto de la temperatura de la placa del refrigerador criogénico.

Resultados

• Diagramas de Fase: Los autores mapearon diagramas de fase termodinámicos en el plano $(\beta_1, s_p)$. Para las cadenas 1D, el límite entre los regímenes de calentador y acelerador se desplaza y suaviza con el tiempo de recocido ($\tau$), pero la clasificación fundamental permanece consistente.
• Fenomenología Crítica: Se observó una característica distintiva en la temperatura efectiva $T_2$ y en los límites de trabajo alrededor de $s_p \approx 0.6$, que corresponde a la región crítica del modelo de Ising de campo transversal donde compiten las escalas de energía del impulsor y del problema. Esta región exhibe fluctuaciones de energía y disipación aumentadas.
• Escalamiento: Para las cadenas 1D, los límites basados en TUR del trabajo total y la potencia escalan como $L \log L$ (donde $L$ es la longitud de la cadena), mientras que las cantidades por espín escalan como $\log L$. Esto refleja la dominancia infrarroja de las fluctuaciones críticas en una dimensión.
• Dependencia del Problema: La respuesta termodinámica depende de la instancia. Las instancias bidimensionales con paisajes de energía accidentados (ej. Ferromagnete Sesgado Corrupto) exhiben ventanas activas más amplias y temperaturas efectivas más altas en comparación con las instancias de Uniforme Aleatorio más suaves.
• Comparación de Hardware: El procedimiento de clasificación se transfiere entre los procesadores Advantage y Advantage2, aunque las ubicaciones específicas de los límites de modo y las temperaturas ajustadas varían según la generación del hardware y el embebido del problema.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco que conecta la optimización cuántica, la computación probabilística y la simulación de física estadística con una evaluación consciente de la energía. Su significancia radica en:

• Más allá de la Calidad de la Solución: Añade una capa termodinámica a la evaluación de rendimiento, distinguiendo entre refinamiento impulsado (acelerador), calentamiento neto (calentador) y bombeo de calor (refrigerador/motor).
• Programabilidad: Establece que el rol termodinámico de un recocedor cuántico es programable; los usuarios pueden dirigir el dispositivo entre diferentes regímenes de flujo de energía ajustando los programas y los estados iniciales.
• Utilidad de Diagnóstico: La temperatura efectiva $T_2$ y los límites de energía sirven como herramientas de diagnóstico para detectar cambios en la relajación, el congelamiento (freeze-out) o la calibración sin necesidad de sensores externos.
• Eficiencia Energética: Al cuantificar las consecuencias energéticas de diferentes programas, el trabajo ofrece una ruta para el co-diseño de algoritmos y programas de hardware tanto para la precisión como para la eficiencia energética.

Los autores declaran explícitamente que las etiquetas termodinámicas por sí solas no determinan el rendimiento computacional (ej. encontrar el óptimo global). En cambio, el modo termodinámico proporciona el contexto de cómo se alcanzó una solución (ej. mediante relajación o exploración impulsada), lo cual debe evaluarse junto con métricas estándar como la probabilidad de éxito y el tiempo para la solución. El trabajo no pretende resolver el problema de optimización en sí, sino caracterizar el proceso físico del recocedor.