Scalable nuclear shell model calculations on noisy quantum computers

El núcleo atómico es un cúmulo densamente compactado de protones y neutrones, unidos por fuerzas que son mucho más complejas que una simple atracción. Para comprender cómo se organizan estas partículas y qué energía poseen, los físicos se apoyan en un marco matemático llamado modelo de capas nucleares. Este modelo trata al núcleo de forma similar a un edificio de varios pisos donde las partículas ocupan niveles de energía específicos, o "capas". Sin embargo, calcular el comportamiento exacto de estas partículas es una tarea monumental para las computadoras clásicas. A medida que el número de partículas crece, el número de posibles disposiciones que pueden tomar aumenta exponencialmente. Imagine intentar contar todas las formas posibles en que se podría barajar una baraja de cartas; para un núcleo pequeño, el número es manejable, pero para otros más grandes, el número de posibilidades se vuelve tan vasto que incluso las supercomputadoras más potentes del mundo se quedan sin memoria antes de que puedan terminar el cálculo. Este cuello de botella ha impedido durante mucho tiempo que los científicos estudien ciertos núcleos inestables y ricos en neutrones que poseen la clave para comprender cómo se formaron los elementos en nuestro universo.

Un equipo de investigadores del Instituto Indio de Tecnología de Roorkee ha encontrado una nueva forma de navegar por este laberinto computacional combinando las fortalezas de las supercomputadoras clásicas con el poder emergente de las computadoras cuánticas. En lugar de pedirle a una computadora cuántica que resuelva todo el problema a la vez —una tarea que las máquinas actuales no pueden manejar debido a su sensibilidad al ruido—, los investigadores utilizaron el dispositivo cuántico para un trabajo muy específico y limitado: el muestreo. Trataron a la computadora cuántica como una herramienta para generar una lista de las configuraciones, o disposiciones de partículas, más importantes que es probable que existan en el núcleo. Una vez creada esta lista, se la entregaron de nuevo a una supercomputadora clásica, que realizó el trabajo pesado de calcular los niveles de energía finales. Este enfoque híbrido, conocido como Diagonalización Cuántica basada en Muestreo, les permitió sortear los límites de memoria que suelen detener los cálculos clásicos y la acumulación de errores que plaga a otros métodos cuánticos.

Los investigadores probaron su método primero en un núcleo llamado Argón-3ima, un sistema lo suficientemente pequeño como para ser resuelto exactamente por computadoras tradicionales. Su nueva técnica coincidió perfectamente con los resultados conocidos, confirmando que el método funcionaba correctamente. Luego aplicaron su método a un caso mucho más difícil: el Magnesio-32. Este núcleo es famoso en la física porque se comporta de una manera que rompe las reglas estándar de la estructura nuclear. Aunque tiene un número de neutrones que debería convertirlo en un sistema de capa cerrada estable, es en realidad altamente deformado e inestable, un fenómeno que ocurre en una región de la carta nuclear conocida como la "Isla de Inversión". Para describir el Magnesio-32 con precisión, es necesario tener en cuenta un número masivo de interacciones de partículas que involucran a todo el núcleo central, no solo a las partículas externas.

Cuando el equipo intentó calcular la energía del Magnesio-32 utilizando métodos clásicos estándar, se toparon con un muro difícil. La memoria de la computadora se llenó mucho antes de que el cálculo pudiera completarse, una limitación conocida como error de "memoria insuficiente" (out of memory). La supercomputadora clásica no podía almacenar la enorme tabla de números necesaria para resolver el problema. En contraste, el nuevo método híbrido generó con éxito una solución aproximada. Al utilizar la computadora cuántica para seleccionar las configuraciones más relevantes y luego resolver el problema reducido en la máquina clásica, el equipo obtuvo una energía del estado fundamental para el Magnesio-32 que estaba más cerca del valor experimental de lo que el mejor intento clásico podría haber logrado dentro de sus mismas restricciones de memoria. El enfoque cuántico no solo ofreció una posibilidad teórica; entregó un resultado concreto donde el método clásico falló.

El estudio también comparó su método con otra técnica cuántica popular llamada Solucionador Cuántico de Valores Propios Variacional (Variational Quantum Eigensolver). Aunque ese método está diseñado para encontrar el estado de menor energía, requiere que la computadora cuántica ejecute circuitos profundos y complejos repetidamente, ajustando sus configuraciones basándose en la retroalimentación. En el entorno ruidoso del hardware cuántico actual, este proceso acumula errores y toma mucho tiempo. Los investigadores descubrieron que su método de muestreo era significamente más rápido y preciso. Para el cálculo del Magnesio-32, el método de muestreo produjo resultados en cuestión de segundos, mientras que el otro enfoque cuántico habría tomado minutos u horas y probablemente habría sufrido un ruido significativo. Además, el nuevo método demostró ser robusto frente a las imperfecciones del hardware; incluso cuando la computadora cuántica cometía errores en su muestreo, el cálculo clásico final era capaz de filtrar el ruido y aun así llegar a una respuesta fiable.

Este trabajo demuestra que no necesitamos esperar a computadoras cuánticas perfectas y libres de errores para comenzar a resolver algunos de los problemas más difíciles de la física nuclear. Al utilizar el hardware cuántico estrictamente como un muestreador para identificar las partes más importantes de un problema, y dejando el cálculo final a las máquinas clásicas, los científicos pueden ahora abordar sistemas nucleares que antes eran imposibles de estudiar. Los investigadores demostraron que para un núcleo con 48 orbitales de espín, un tamaño que provoca que las computadoras clásicas colapsen, su método aún podía proporcionar una respuesta significativa. Aunque los resultados para los sistemas más grandes aún no estaban completamente convergidos debido al número limitado de mediciones disponibles en los dispositivos actuales, la tendencia era clara: el método escala eficientemente y evita los cuellos de botella de memoria que han frenado el progreso durante décadas. Este enfoque abre un camino práctico hacia la comprensión de la estructura de núcleos exóticos, ayudando a refinar nuestro conocimiento sobre las fuerzas que mantienen unida la materia y los orígenes de los elementos.