Local minima in quantum systems

Dans le monde physique, la nature est un optimiseur implacable. Lorsqu'un objet chaud se refroidit, il cherche l'état d'énergie le plus bas possible, une condition que les physiciens appellent l'état fondamental. Ce processus est fondamental pour la manière dont les matériaux se forment, dont les réactions chimiques se produisent et dont l'univers s'installe dans la stabilité. Pendant des décennies, les scientifiques ont tenté d'utiliser des ordinateurs pour prédire ces états d'énergie les plus bas pour des systèmes complexes composés de nombreuses particules en interaction, tels que les électrons dans un nouveau matériau ou les atomes dans une protéine. Cependant, trouver le point le plus bas dans ces systèmes est notoirement difficile. C'est un problème si complexe que même les ordinateurs classiques les plus puissants, ceux que nous utilisons aujourd'hui, peinent à le résoudre pour de nombreux cas intéressants. De plus, les travaux théoriques suggèrent que trouver les états fondamentaux est QMA-difficile, ce qui signifie qu'il est attendu que ce soit insoluble, même pour les ordinateurs quantiques, dans certains cas.

Cette difficulté provient du fait que le paysage des états d'énergie possibles est souvent rempli de pièges. Imaginez une chaîne de montagnes où un randonneur veut atteindre la vallée la plus profonde. Si le terrain est accidenté, le randonneur peut rester coincé dans une petite dépression peu profonde qui ressemble au fond de la vallée de loin, mais qui est en réalité bien plus haute que le véritable fond de la vallée. En physique, ces creux peu profonds sont appelés minima locaux. Lorsque la nature refroidit un système, elle reste souvent coincée dans ces minima locaux plutôt que de trouver le véritable état fondamental. C'est pourquoi certains matériaux, comme certaines vitres magnétiques, n'atteignent jamais leur niveau d'énergie théorique le plus bas, même après un refroidissement prolongé. Au lieu de cela, ils se stabilisent dans un état qui est stable, mais pas le meilleur possible.

Une équipe de chercheurs de l'Institut de technologie de Californie, de Google Quantum AI et du Massachusetts Institute of Technology a maintenant étudié ce phénomène de blocage dans des minima locaux. Ils ont posé une question spécifique : si la nature ne peut pas toujours trouver l'état fondamental parfait, un ordinateur peut-il trouver un minimum local à la place ? Et si oui, cette tâche est-elle plus facile pour un ordinateur classique ou pour un ordinateur quantique ? Leurs travaux révèlent un rebondissement surprenant dans l'histoire de l'optimisation quantique. Ils ont découvert que, si trouver un minimum local est trivial pour un ordinateur classique sous un certain ensemble de règles, cela devient une tâche facile pour un ordinateur quantique mais difficile pour un classique sous les règles qui régissent réellement la façon dont la nature refroidit les choses.

Pour comprendre leur découverte, il faut d'abord distinguer deux manières dont un système peut être bousculé ou perturbé. Les chercheurs ont considéré le premier type, qui consiste à modifier un système à l'aide d'opérations réversibles et mathématiques connues sous le nom de perturbations unitaires locales. Dans ce scénario, le paysage énergétique est rempli d'un nombre écrasant de minima locaux. En fait, presque n'importe quel état aléatoire du système est un minimum local. Parce qu'il y en a tellement, un ordinateur classique peut facilement en trouver un ; c'est comme marcher dans une vaste plaine plate où chaque pas est un minimum local. Le problème est si facile qu'il est essentiellement trivial, mais il ne reflète pas la façon dont la nature fonctionne réellement, car la nature refroidit les systèmes par des interactions irréversibles avec un bain thermique, et non par des astuces mathématiques réversibles.

Les chercheurs se sont ensuite tournés vers le second type de perturbation, qui imite le processus physique réel de refroidissement. Ils ont modélisé un système interagissant avec un bain thermique, un réservoir de chaleur à une température spécifique. Dans ce cadre réaliste, le système évolue de manière irréversible, perdant de l'énergie vers l'environnement. Ici, le paysage change radicalement. Les chercheurs ont prouvé que, pour un ordinateur quantique, trouver un minimum local sous ces conditions thermiques est efficace. Ils ont développé une méthode appelée descente de gradient thermique quantique, qui imite le processus de refroidissement. En suivant la direction où l'énergie chute le plus abruptement, un ordinateur quantique peut trouver de manière fiable un minimum local en un temps raisonnable, peu importe son point de départ.

La découverte la plus significative, cependant, concerne la difficulté pour les ordinateurs classiques. Les chercheurs ont construit une famille spécifique de systèmes quantiques bidimensionnels où l'état fondamental encode le résultat d'un calcul quantique complexe. Ils ont prouvé que pour ces systèmes spécifiques, il n'existe pas de "mauvais" minima locaux. Chaque minimum local est en fait un minimum global, c'est-à-dire l'état fondamental. Cela crée un paysage énergétique lisse, en forme de bol, où le seul endroit où l'on puisse rester coincé est tout au fond. Comme trouver l'état fondamental pour ces systèmes est connu pour être une tâche facile pour les ordinateurs quantiques mais difficile pour les classiques (en supposant que le calcul quantique est plus puissant que le calcul classique), les chercheurs ont conclu que trouver un minimum local dans ce cadre thermique est également difficile pour les ordinateurs classiques. Si un ordinateur classique pouvait trouver efficacement un minimum local ici, cela impliquerait qu'un ordinateur classique pourrait simuler n'importe quel calcul quantique, une possibilité que la plupart des experts jugent fausse.

Ce travail établit une séparation claire entre les capacités des machines classiques et quantiques. Il montre que si les ordinateurs classiques peuvent facilement trouver des minima locaux dans des scénarios artificiels et réversibles, ils se heurtent à un mur face aux processus thermiques et irréversibles qui régissent le monde réel. En revanche, les ordinateurs quantiques peuvent naviguer efficacement dans ces paysages thermiques. L'étude suggère que le problème du minimum local offre une nouvelle voie pour l'avantage quantique. Au lieu d'essayer de résoudre le problème notoirement difficile de la recherche de l'état fondamental absolu pour chaque système, les ordinateurs quantiques peuvent trouver efficacement les états stables de basse énergie que la nature produit réellement. Cela fournit un problème physiquement pertinent où les machines quantiques peuvent surpasser les machines classiques, aidant potentiellement les scientifiques à comprendre le comportement de matériaux et de systèmes chimiques qui sont restés jusqu'à présent hors de portée.

Les chercheurs ont également exploré pourquoi certains systèmes restent bloqués dans des états sous-optimaux tandis que d'autres non. Ils ont analysé une simple chaîne magnétique et ont découvert que, sans champ magnétique externe, le système peut rester piégé dans de nombreuses configurations avec des parois de domaine, agissant comme des minima locaux sous-optimaux. Cependant, lorsqu'un champ externe fort est appliqué, ces pièges disparaissent et le système s'écoule fluidement vers son véritable état fondamental. Cela reflète le comportement des systèmes complexes qu'ils ont étudiés : la forme du paysage énergétique détermine si un système peut trouver son état d'énergie le plus bas ou s'il reste bloqué. Leurs conclusions suggèrent que de nombreux systèmes physiques d'intérêt pourraient avoir des paysages énergétiques "agréables" sans pièges sous-optimaux, ce qui en fait des candidats idéaux pour les algorithmes d'optimisation quantique imitant le refroidissement naturel.

Enfin, cet article recadre le défi de l'optimisation quantique. Il s'éloigne de l'objectif abstrait de trouver l'état fondamental parfait pour se concentrer sur la réalité pratique de trouver les états stables dans lesquels la nature s'installe. En prouvant que cette tâche est classiquement difficile (selon les hypothèses de complexité standard) mais quantiquement facile, les chercheurs ont identifié un problème concret où les ordinateurs quantiques peuvent démontrer leur supériorité. Il ne s'agit pas seulement d'une curiosité théorique ; cela pointe vers un avenir où les machines quantiques pourront résoudre des problèmes de physique et de chimie qui sont actuellement insolubles, en suivant les mêmes principes de refroidissement que l'univers a utilisés depuis son commencement.