← Derniers articles
⚛️ nuclear theory

Scalable nuclear shell model calculations on noisy quantum computers

Cet article démontre que le cadre de la Diagonalisation Quantique par Échantillonnage (SQD), lorsqu'il est appliqué au matériel quantique de taille intermédiaire à bruit (NISQ), peut résoudre avec succès des problèmes de modèle de couches nucléaires à grande échelle comme 32Mg^{32}\text{Mg} qui dépassent les limites de mémoire du calcul haute performance classique, offrant ainsi une alternative plus évolutive et plus efficace en termes de temps que les algorithmes quantiques variationnels traditionnels.

Auteurs originaux : Durgesh Pandey, Ankit Kumar Das, P. Arumugam

Publié 2026-08-18
📖 6 min de lecture🧠 Analyse approfondie

Auteurs originaux : Durgesh Pandey, Ankit Kumar Das, P. Arumugam

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le noyau atomique est un amas de protons et de neutrons étroitement compactés, liés par des forces bien plus complexes qu'une simple attraction. Pour comprendre comment ces particules s'organisent et l'énergie qu'elles détiennent, les physiciens s'appuient sur un cadre mathématique appelé le modèle de couches nucléaires. Ce modèle traite le noyau un peu comme un bâtiment à plusieurs étages où les particules occupent des niveaux d'énergie spécifiques, ou « couches ». Cependant, calculer le comportement exact de ces particules est une tâche monumentale pour les ordinateurs classiques. À mesure que le nombre de particules augmente, le nombre de dispositions possibles qu'elles peuvent prendre explose de manière exponentielle. Imaginez essayer de compter toutes les façons possibles dont un jeu de cartes pourrait être mélangé ; pour un petit noyau, le nombre est gérable, mais pour des noyaux plus gros, le nombre de possibilités devient si vaste que même les superordinateurs les plus puissants du monde tombent à court de mémoire avant de pouvoir terminer le calcul. Ce goulot d'étranglement a longtemps empêché les scientifiques d'étudier certains noyaux instables et riches en neutrons qui détiennent la clé de la compréhension de la formation des éléments dans notre univers.

Une équipe de chercheurs de l'Institut indien de technologie de Roorkee a trouvé un nouveau moyen de naviguer dans ce labyrinthe informatique en combinant les forces des superordinateurs classiques avec la puissance émergente des ordinateurs quantiques. Au lieu de demander à un ordinateur quantique de résoudre l'ensemble du problème d'un coup — une tâche que les machines actuelles ne peuvent pas gérer en raison de leur sensibilité au bruit — les chercheurs ont utilisé le dispositif quantique pour une tâche très spécifique et limitée : l'échantillonnage. Ils ont traité l'ordinateur quantique comme un outil pour générer une liste des configurations de particules les plus importantes, ou configurations, susceptibles d'exister dans le noyau. Une fois cette liste créée, ils l'ont remise à un superordinateur classique, qui a effectué le travail de calcul intensif pour déterminer les niveaux d'énergie finaux. Cette approche hybride, connue sous le nom de diagonalisation quantique basée sur l'échantillonnage (Sample-based Quantum Diagonalization), leur a permis de contourner les limites de mémoire qui bloquent habituellement les calculs classiques ainsi que l'accumulation d'erreurs qui affecte d'autres méthodes quantiques.

Les chercheurs ont testé leur méthode d'abord sur un noyau appelé Argon-38, un système suffisamment petit pour être résolu exactement par des ordinateurs traditionnels. Leur nouvelle technique correspondait parfaitement aux résultats connus, confirmant que la méthode fonctionnait correctement. Ils ont ensuite appliqué cette méthode à un cas beaucoup plus difficile : le Magnésium-32. Ce noyau est célèbre en physique car il se comporte d'une manière qui brise les règles standards de la structure nucléaire. Bien qu'il possède un nombre de neutrons qui devrait en faire un système à couche fermée stable, il est en réalité hautement déformé et instable, un phénomène qui se produit dans une région de la carte nucléaire connue sous le nom d'« îlot d'inversion ». Pour décrire précisément le Magnésium-32, il faut tenir compte d'un nombre massif d'interactions de particules qui impliquent l'intégralité du cœur du noyau, et pas seulement les particules périphériques.

Lorsque l'équipe a tenté de calculer l'énergie du Magnésium-32 en utilisant des méthodes classiques standard, elle s'est heurtée à un mur infranchissable. La mémoire de l'ordinateur s'est saturée bien avant que le calcul ne puisse être terminé, une limitation connue sous le nom d'erreur « out of memory » (mémoire insuffisante). Le superordinateur classique ne pouvait pas stocker la table de nombres massive requise pour résoudre le problème. En revanche, la nouvelle méthode hybride a réussi à générer une solution approximative. En utilisant l'ordinateur quantique pour sélectionner les configurations les plus pertinentes et en résolvant ensuite le problème réduit sur la machine classique, l'équipe a obtenu une énergie de l'état fondamental pour le Magnésium-32 qui était plus proche de la valeur expérimentale que la meilleure tentative classique réalisable dans les mêmes contraintes de mémoire. L'approche quantique n'était pas seulement une possibilité théorique ; elle a livré un résultat concret là où la méthode classique a échoué.

L'étude a également comparé leur méthode à une autre technique quantique populaire appelée l'algorithme de l'Eigensolver Quantique Variationnel (Variational Quantum Eigensolver). Bien que cette méthode soit conçue pour trouver l'état d'énergie le plus bas, elle nécessite que l'ordinateur quantique exécute des circuits profonds et complexes de manière répétée, en ajustant ses paramètres selon un retour d'information. Dans l'environnement bruyant du matériel quantique actuel, ce processus accumule des erreurs et prend beaucoup de temps. Les chercheurs ont constaté que leur méthode d'échantillonnage était nettement plus rapide et plus précise. Pour le calcul du Magnésium-32, la méthode d'échantillonnage a produit des résultats en quelques secondes, alors que l'autre approche quantique aurait pris des minutes ou des heures et aurait probablement souffert d'un bruit important. De plus, la nouvelle méthode s'est avérée robuste face aux imperfections du matériel ; même lorsque l'ordinateur quantique commettait des erreurs dans son échantillonnage, le calcul classique final était capable de filtrer le bruit et de parvenir tout de même à une réponse fiable.

Ce travail démontre que nous n'avons pas besoin d'attendre des ordinateurs quantiques parfaits et sans erreur pour commencer à résoudre certains des problèmes les plus difficiles de la physique nucléaire. En utilisant le matériel quantique strictement comme un échantillonneur pour identifier les parties les plus importantes d'un problème, et en laissant le calcul final aux machines classiques, les scientifiques peuvent désormais aborder des systèmes nucléaires qui étaient auparavant impossibles à étudier. Les chercheurs ont montré que pour un noyau possédant 48 orbitales de spin, une taille qui fait planter les ordinateurs classiques, leur méthode pouvait tout de même fournir une réponse significative. Bien que les résultats pour les systèmes les plus grands n'aient pas encore été totalement convergents en raison du nombre limité de mesures disponibles sur les appareils actuels, la tendance était claire : la méthode passe à l'échelle efficacement et évite les goulots d'étranglement de mémoire qui freinent les progrès depuis des décennies. Cette approche ouvre une voie pratique vers la compréhension de la structure des noyaux exotiques, aidant à affiner nos connaissances sur les forces qui maintiennent la matière ensemble et sur les origines des éléments.

Noyé(e) sous les articles dans votre domaine ?

Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.

Essayer Digest →