Solution of the Equation-of-Motion Phonon Method eigenvalue problems on the D-Wave quantum annealer

Cet article présente un algorithme hybride quantique-classique combinant le recuit quantique et la déflation classique pour résoudre de manière itérative des problèmes de grande échelle de valeurs propres issus de la méthode des phonons par l'équation du mouvement sur le matériel quantique D-Wave, démontrant à la fois le potentiel et les limites actuelles des dispositifs quantiques de l'ère NISQ pour la théorie des systèmes nucléaires à plusieurs corps.

L'essentiel

Imaginez que vous essayez de résoudre un puzzle massif et incroyablement complexe. Dans le monde de la physique nucléaire, ce puzzle consiste à comprendre comment les protons et les neutrons (nucléons) se comportent à l'intérieur d'un noyau atomique. Les « pièces » de ce puzzle sont disposées dans une immense grille mathématique appelée matrice Hamiltonienne. Plus le noyau est gros, plus il y a de pièces, et la grille devient si vaste que même les superordinateurs les plus rapides du monde peinent à trouver toutes les solutions (appelées valeurs propres et vecteurs propres) dans un délai raisonnable.

Ce document présente une nouvelle façon de résoudre ces puzzles en associant un ordinateur classique à un type spécial d'ordinateur quantique appelé recuit quantique (plus précisément, une machine D-Wave).

Voici une décomposition de leur approche utilisant des analogies simples :

1. Le Problème : Une chaîne de montagnes de solutions

Considérez les états d'énergie d'un noyau comme une vaste chaîne de montagnes embrumée.

• L'Objectif : Vous voulez trouver la vallée la plus basse (l'état fondamental) puis toutes les autres vallées et sommets (états excités) dans l'ordre.
• L'Ancienne Méthode (Ordinateurs Classiques) : Les algorithmes traditionnels sont comme un randonneur qui vérifie soigneusement chaque pas, un par un. Ils sont bons, mais quand la chaîne de montagnes devient immense, le randonneur se fatigue, manque de temps ou reste coincé dans un creux local en pensant avoir atteint le bas.
• La Méthode Quantique (Recuit Quantique) : Imaginez un brouillard magique qui peut instantanément « ressentir » la forme de toute la chaîne de montagnes à la fois. Un recuiseur quantique est comme un randonneur capable de traverser le brouillard par effet tunnel pour trouver les points les plus bas bien plus rapidement qu'un humain ne le pourrait.

2. La Stratégie : Transformer le puzzle en un jeu binaire

Les recuiseurs quantiques ne comprennent pas directement les équations mathématiques complexes. Ils parlent un langage plus simple : les 0 et les 1 (comme un interrupteur de lumière sur la position éteinte ou allumée).

• La Traduction (QUBO) : Les auteurs ont dû traduire les équations complexes de la physique nucléaire en un problème d'« Optimisation Binaire Quadratique Non Contrainte » (QUBO). Considérez cela comme la conversion d'une recette complexe en une simple liste de contrôle d'interrupteurs « on/off ». La machine quantique essaie ensuite différentes combinaisons d'interrupteurs pour trouver celle qui donne le meilleur résultat (l'énergie la plus basse).

3. L'Innovation : Éplucher un oignon (Déflation)

Le plus grand défi est que les recuiseurs quantiques sont actuellement meilleurs pour trouver une seule solution (la vallée la plus basse). Mais les scientifiques ont besoin de la liste entière des solutions, pas seulement de la première.

• La Solution : Les auteurs ont créé une méthode « hybride ».
  1. Étape 1 : Ils utilisent le recuiseur quantique pour trouver la première solution (l'énergie la plus basse).
  2. Étape 2 : Ils utilisent un ordinateur classique pour effectuer une « déflation ». Imaginez que vous avez trouvé la vallée la plus basse dans la chaîne de montagnes. Pour trouver la prochaine vallée la plus basse, vous remplissez temporairement la première avec du béton afin que le randonneur ne puisse pas y retourner.
  3. Étape 3 : Ils renvoient la carte « remplie » au recuiseur quantique pour trouver le prochain point le plus bas.
  4. Répéter : Ils continuent d'éplucher l'oignon couche par couche jusqu'à ce qu'ils aient trouvé tout le spectre des solutions.

4. Les Résultats : Vitesse et Précision

L'équipe a testé cette méthode sur un véritable ordinateur quantique (D-Wave Advantage) et l'a comparée à une simulation classique standard (Recuit Simulé).

• La Course : Ils ont organisé une course entre le « Randonneur Quantique » et le « Randonneur Classique » pour résoudre des puzzles de différentes tailles.
• Le Résultat :
  • Pour les petits puzzles, les deux étaient corrects.
  • Pour les puzzles plus grands et plus complexes, le Randonneur Quantique était nettement plus rapide. Dans certains cas, la méthode classique a nécessité des centaines d'étapes pour s'approcher de la réponse, tandis que la méthode quantique y est parvenue en seulement quelques dizaines d'étapes.
  • La méthode quantique a atteint un niveau de précision bien plus élevé beaucoup plus rapidement.

5. Le Piège : Tous les outils ne fonctionnent pas pour tous les jobs

Le document a également testé trois façons différentes de « remplir » les vallées (techniques de déflation) :

• Hotelling et Projection Orthogonale : Ces méthodes ont bien fonctionné. Elles ont réussi à aider la machine quantique à trouver la solution suivante sans fausser les calculs.
• Householder : Cette méthode a très bien fonctionné pour les puzzles simples, mais a commencé à échouer lorsque les puzzles devenaient complexes (spécifiquement pour les problèmes de valeurs propres « généralisés »). C'était comme essayer d'utiliser un marteau-piqueur pour réparer une montre ; cela fonctionnait pour la vue d'ensemble, mais introduisait des erreurs qui rendaient les étapes ultérieures imprécises.

Résumé

Le document ne prétend pas avoir résolu la physique nucléaire pour toujours. Au contraire, il prouve que les ordinateurs quantiques à court terme (ceux que nous avons actuellement, qui sont bruyants et imparfaits) peuvent être des partenaires utiles. En combinant la vitesse du recuit quantique pour trouver les meilleures réponses avec la fiabilité des ordinateurs classiques pour organiser la recherche, ils ont créé une méthode plus rapide et plus précise que l'utilisation des ordinateurs classiques seuls pour ces puzzles nucléaires massifs et spécifiques.

C'est une preuve de concept qui montre que nous nous rapprochons de l'utilisation des machines quantiques pour des problèmes de physique réels, avant même de disposer d'ordinateurs quantiques parfaits et sans erreur.

Résumé technique

Résumé technique : Résolution des problèmes de valeurs propres de la méthode des phonons de l'équation du mouvement sur l'annealeur quantique D-Wave

Énoncé du problème
Le problème de l'interaction de nombreux corps nucléaires implique la résolution d'équations de valeurs propres pour des matrices hamiltoniennes dont la dimension croît de manière exponentielle avec le nombre de nucléons, atteignant souvent des dimensions qui sont informatiquement prohibitives pour une diagonalisation exacte. Bien que les méthodes itératives classiques (par exemple, Lanczos, Davidson) exploitent la parcimonie, elles font face à des goulots d'étranglement de stockage pour les calculs à grande échelle. L'informatique quantique offre une alternative potentielle ; cependant, l'algorithme d'estimation de phase quantique (QPE), bien que théoriquement puissant, nécessite un matériel tolérant aux fautes actuellement indisponible. Par conséquent, il existe un besoin de stratégies de transition capables d'aborder les problèmes de valeurs propres à grande échelle sur les dispositifs quantiques de type NISQ (Noisy Intermediate-Scale Quantum). Plus précisément, ce travail traite du défi de calculer le spectre complet (et non seulement l'état fondamental) pour les problèmes de valeurs propres standards (SEVP) et généralisés (GEVP) issus de la méthode de l'équation du mouvement des phonons (EMPM) en théorie de la structure nucléaire.

Méthodologie
Les auteurs proposent un algorithme hybride quantique-classique qui intègre le recuit quantique avec des techniques de déflation de matrices classiques. La méthodologie centrale comprend trois composantes :

1. Formulation QUBO : L'optimisation continue du quotient de Rayleigh est discrétisée et mappée vers un problème d'optimisation quadratique non contrainte binaire (QUBO). Les variables réelles représentant les composantes du vecteur propre sont approximées par des vecteurs binaires avec un vecteur de précision spécifique. Cela permet de résoudre le problème de valeur propre en trouvant le minimum global (ou la magnitude maximale) de la forme quadratique résultante sur un annealeur quantique.
2. Descente itérative et estimation initiale : L'algorithme utilise une approche en deux phases. Premièrement, une estimation initiale du vecteur propre est générée en résolvant un problème QUBO décalé (shifted). Deuxièmement, une phase de descente itérative affine cette solution en minimisant une approximation quadratique locale de la fonction objectif (impliquant le gradient et la hessienne) encodée sous forme de QUBO. La grille de discrétisation est progressivement réduite en échelle pour augmenter la précision.
3. Déflation de matrice pour le spectre complet : Pour extraire l'ensemble du spectre de valeurs propres plutôt que seulement la paire propre dominante, les auteurs implémentent une stratégie de déflation séquentielle. Après qu'un annealeur quantique a identifié une paire propre, des techniques de déflation classiques sont appliquées à la matrice hamiltonienne pour « éplucher » l'influence de l'état trouvé, permettant ainsi à l'itération suivante de cibler l'état propre suivant. Trois méthodes de déflation sont évaluées :
   • Déflation de Hotelling : Une méthode soustractive ($A' = A - \lambda vv^T$).
   • Projection orthogonale : Une méthode soustractive projetant la matrice sur le sous-espace orthogonal aux vecteurs propres trouvés.
   • Déflation de Householder : Une méthode basée sur l'orthogonalisation utilisant des réflexions de Householder pour transformer la matrice.

Pour les problèmes de valeurs propres généralisés (GEVP), le quotient de Rayleigh est modifié pour inclure la matrice métrique $B$, et les étapes de déflation sont adaptées pour préserver la structure du produit scalaire $B$ autant que possible.

Résultats clés
La méthode a été testée sur des matrices hamiltoniennes dérivées de calculs EMPM pour le noyau $^4$He, en utilisant le système D-Wave Advantage System 6.4 (5 614 qubits) et le recuit simulé (SA) classique pour comparaison.

• Performance de l'état fondamental : Le recuit quantique (QA) a démontré une convergence supérieure au SA. Pour des dimensions de matrice plus grandes (par exemple, $d=25$) et des résolutions de bits plus élevées ($b=4$), le QA a atteint une précision de précision machine ($10^{-8}$) en environ 20 à 30 itérations, tandis que le SA nécessitait considérablement plus d'itérations (jusqu'à 1 200) ou échouait à atteindre la même précision. L'écart de performance s'est creusé à mesure que la taille de la matrice augmentait.
• Spectre complet et déflation :
  • SEVP : Les trois méthodes de déflation (Hotelling, Projection orthogonale, Householder) ont réussi à récupérer le spectre complet avec une grande précision (jusqu'à 13 chiffres corrects pour $b=2$ et 8 pour $b=4$). La déflation de Householder a été la plus efficace en termes de temps d'exécution grâce à sa stratégie de réduction de la taille de la sous-matrice active.
  • GEVP : Bien que les méthodes de Hotelling et de projection orthogonale aient maintenu leur précision, la déflation de Householder s'est avérée instable pour les GEVP. L'application répétée des transformations de Householder a distordu la symétrie de la matrice métrique $B$ et a amplifié les erreurs d'arrondi, entraînant une détérioration numérique et un échec de la convergence pour des valeurs propres proches.

Signification et revendications
L'article affirme fournir une stratégie pratique pour exploiter le matériel quantique de transition dans les calculs de structure nucléaire. La principale signification réside dans la démonstration qu'un cadre basé sur le QUBO hybride, combiné à une déflation classique, peut reconstruire systématiquement le spectre complet de Hamiltoniens nucléaires réalistes, allant au-delà de la limitation des calculs de l'état fondamental seul, commune aux algorithmes quantiques variationnels actuels.

Les auteurs soulignent que l'approche parvient à combler le fossé entre les algorithmes quantiques et le matériel bruité en recadrant les problèmes de valeurs propres en formulations QUBO solubles par les annealeurs existants. Bien que l'étude soit modeste quant à l'échelle des problèmes (limitée par le nombre actuel de qubits et la connectivité), elle établit la viabilité du recuit quantique pour l'estimation spectrale en physique nucléaire. Ce travail suggère que les implémentations futures pourraient davantage réduire la surcharge classique en encodant l'étape de déflation elle-même comme un problème QUBO, visant ainsi un solveur spectral entièrement basé sur le recuit quantique.