Sample-based quantum simulation of vibrational structure of polyyne chains

Las moléculas no son esculturas estáticas; están constantemente vibrando, con sus átomos sacudiéndose y estirándose en patrones complejos. Para entender cómo se comporta una molécula, cómo absorbe la luz o cómo podría reaccionar con otra, los científicos deben mapear estas vibraciones con extrema precisión. Durante décadas, el enfoque estándar ha sido tratar estas vibraciones como resortes simples e independientes, una simplificación conocida como la aproximación armónica. Sin embargo, las moléculas reales son más complicadas. Sus enlaces se estiran y se comprimen de formas que interactúan entre sí, creando una red enredada de movimiento llamada anharmonicidad. Capturar esta complejidad es esencial para predecir los colores exactos de la luz que una molécula absorbe, lo cual es la base de la espectroscopia infrarroja. Sin embargo, a medida que las moléculas crecen o que los científicos intentan modelar estas interacciones con mayor detalle, el problema matemático se vuelve tan vasto que incluso las supercomputadoras más potentes del mundo luchan por resolverlo. El número de posibles estados vibracionales crece tan rápido que abruma los métodos de cálculo tradicionales, dejando un vacío en nuestra capacidad para predecir el comportamiento de sistemas químicos complejos.

Para cerrar esta brecha, los investigadores han recurrido a las computadoras cuánticas, que operan bajo los principios de la mecánica cuántica y son naturalmente adecuadas para simular otros sistemas cuánticos como las moléculas. Un nuevo estudio realizado por un equipo de IBM Research y ExxonMobil demuestra una forma práctica de utilizar estas máquinas para abordar la estructura vibracional de las cadenas de polino, que son moléculas compuestas por enlaces simples y triples de carbono alternos. El equipo se centró en dos moléculas específicas: el acetileno, una cadena simple de dos carbonos, y el diacetileno, una cadena de cuatro carbonos ligeramente más grande. En lugar de intentar calcular cada vibración posible a la vez —una tarea que requeriría más potencia de cómputo de la que existe—, los investigadores desarrollaron un método para muestrear las vibraciones más importantes e ignorar el resto. Utilizaron una técnica llamada diagonalización cuántica basada en muestras. En este enfoque, la computadora cuántica no intenta encontrar la respuesta perfecta de inmediato. En su lugar, genera una gran cantidad de muestras, o instantáneas, de cómo podría vibrar la molécula. Estas muestras son luego introducidas en una computadora clásica, que filtra las posibilidades improbables y se enfoca solo en un grupo pequeño y manejable de los estados físicamente más relevantes. Al resolver el problema dentro de este diminuto grupo seleccionado, los investigadores pudieron reconstruir los niveles de energía de la molécula y su espectro infrarrojo con alta precisión.

Los investigadores probaron dos formas diferentes de generar estas muestras. El primer método, llamado vib-LUCJ, se basa en una conjetura matemática específica sobre cómo están conectados los movimientos de la molécula. El segundo, vib-SqDRIFT, funciona simulando la evolución de la molécula durante un período corto de tiempo y observando dónde termina. Ambos métodos se aplicaron a las dos moléculas de polino, desarrollando representaciones cuánticas que escalan hasta los 104 qubits para la molécula más grande. Los resultados fueron sorprendentes. Aunque el espacio matemático completo de las vibraciones posibles para la molécula más grande era astronómicamente enorme —conteniendo aproximadamente 550 mil millones de estados posibles—, los métodos de muestreo cuántico lograron identificar un subconjunto minúsculo de solo 16,000 a 26,000 estados que contenían casi toda la información necesaria. Cuando los investigadores calcularon los niveles de energía a partir de estos pequeños subconjuntos, los resultados coincidieron con los mejores cálculos clásicos disponibles con un margen de error de menos de 10 unidades de energía, un nivel de precisión conocido como precisión química. Esto demostró que la computadora cuántica podía encontrar eficazmente las "agujas" en el "pajon de la haystack" de las posibilidades vibracionales sin necesidad de buscar en todo el pajar.

Sin embargo, el estudio reveló que obtener la energía correcta es solo la mitad de la batalla. Los investigadores también calcularon los espectros infrarrojos, que muestran qué tan fuertemente absorbe la luz la molécula a diferentes frecuencias. Esta es una prueba mucho más difícil porque depende no solo de los niveles de energía, sino de la forma detallada de las ondas vibratorias mismas. Descubrieron que incluso cuando los niveles de energía parecían haberse estabilizado y dejado de cambiar, las intensidades infrarrojas continuaban desplazándose a medida que añadían más detalle a su modelo. Esto significa que un cálculo puede parecer perfecto para la energía pero aun así perder detalles importantes sobre cómo la molécula interactúa con la luz. El estudio mostró que para obtener una imagen verdadera del comportamiento de la molécula, uno debe mirar más allá de los estados de menor energía y asegurar que la mezcla compleja de diferentes vibraciones se capture correctamente. El equipo descubrió que el espectro infrarrojo es un indicador mucho más sensible de si una simulación es verdaderamente precisa que los valores de energía por sí solos.

Este trabajo representa un paso significativo hacia el uso de computadoras cuánticas para la química, yendo más allá de los simples cálculos de energía hacia las predicciones espectroscópicas completas. Los investigadores demostraron con éxito que los métodos basados en muestras pueden manejar problemas vibracionales que son demasiado grandes para que las computadoras tradicionales los resuelvan directamente. Demostraron que, al combinar el muestreo cuántico con el procesamiento clásico, es posible recuperar estados vibracionales precisos y propiedades de transición para moléculas con representaciones que requieren hasta 104 qubits. Si bien las simulaciones actuales se realizaron en hardware específico y utilizaron estrategias de muestreo específicas, los resultados sugieren un camino claro a seguir. El estudio destaca que el futuro de la simulación molecular no reside en el cálculo por fuerza bruta, sino en el muestreo inteligente: encontrar los pocos estados correctos que cuentan la historia completa. A medida que el hardware cuántico mejore, estos métodos podrían permitir a los científicos predecir las propiedades de moléculas mucho más grandes y complejas, abriendo nuevas puertas para comprender materiales y reacciones químicas que actualmente están fuera de nuestro alcance.