⚛️ physique quantique

Explicitly correlated ground states with a feedback-free variational hybrid algorithm

Cet article propose et démontre expérimentalement un algorithme hybride quantique-classique sans rétroaction qui utilise un processeur quantique pour préparer un état produit de matrice dans l'espace des moments et un post-traitement classique pour optimiser variationnellement un corrélateur de type Jastrow explicitement corrélé, atteignant des estimations d'énergie fondamentale de haute précision pour le modèle de Fermi-Hubbard 2D avec des exigences d'échantillonnage et de portes réduites par rapport aux autres méthodes hybrides.

Auteurs originaux : Benjamin Corbett, Akimasa Miyake

Publié 2026-10-14

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Benjamin Corbett, Akimasa Miyake

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

Dans le monde microscopique des électrons, les particules ne se comportent pas toujours comme des individus indépendants se déplaçant dans l'espace vide. Dans certains matériaux, elles deviennent profondément intriquées, leurs mouvements étant dictés par une répulsion féroce et immédiate lorsqu'elles s'approchent trop près les unes des autres. Ce phénomène, connu sous le nom de corrélation forte, est la clé pour comprendre comment certains matériaux conduisent l'électricité, comment ils deviennent magnétiques ou comment ils pourraient un jour devenir supraconducteurs. Pour prédire ces comportements, les scientifiques doivent résoudre un casse-tête mathématique colossal : calculer l'état d'énergie exact d'un système où chaque électron réagit constamment à tous les autres. Pendant des décennies, les ordinateurs classiques les plus puissants ont lutté contre cette tâche, se heurtant souvent à un mur lorsque les interactions deviennent trop intenses ou que le système devient trop grand. La difficulté réside dans un décalage fondamental : la manière la plus efficace de décrire l'ordre à longue portée de ces électrons se fait en termes de leur quantité de mouvement, tandis que la manière la plus efficace de décrire leurs répulsions violentes à courte portée se fait en termes de leur position physique. Essayer de combiner ces deux descriptions sur un ordinateur classique revenait à essayer de résoudre un puzzle dont les pièces seraient découpées à partir de deux images différentes.

Une équipe de chercheurs de l'Université du Nouveau-Mexique a trouvé un moyen de combler ce fossé en utilisant un ordinateur quantique, non pas en demandant à la machine de résoudre l'ensemble du puzzle d'un coup, mais en l'utilisant pour préparer un point de départ spécifique et de haute qualité pour qu'un ordinateur classique puisse terminer le travail. Leur approche, détaillée dans une étude récente, se concentre sur un modèle théorique appelé le modèle de Fermi-Hubbard, qui décrit des électrons sautant entre des sites sur une grille. Les chercheurs ont utilisé un processeur quantique pour générer un état de faible intrication d'électrons dans l'espace des impulsions, une configuration difficile à créer efficacement pour les ordinateurs classiques. Ils ont ensuite fait pivoter cet état dans l'espace réel, traduisant ainsi la description afin que les répulsions à courte portée puissent être gérées. Crucialement, ils ont procédé sans une boucle de va-et-vient où l'ordinateur et l'algorithme classique s'ajusteraient constamment l'un l'autre. Au lieu de cela, le processeur quantique a effectué sa tâche une seule fois, a mesuré les résultats et a transmis les données à un ordinateur classique. L'ordinateur classique a ensuite utilisé ces données pour optimiser un « corrélateur » mathématique — un outil qui affine la description des répulsions électroniques — entièrement après la fin de l'expérience quantique.

L'expérience a été menée sur un ordinateur quantique de 32 qubits, spécifiquement le modèle H2-2 de Quantinuum. L'équipe a préparé un état représentant une grille de 16 sites, à moitié remplie d'électrons, et a mesuré l'énergie du système. Après avoir filtré les données pour éliminer les résultats qui violaient les règles connues de conservation des particules, ils ont appliqué une technique de calibration pour corriger les petites erreurs inhérentes au matériel quantique actuel. Le résultat fut une estimation de l'énergie de l'état fondamental remarquablement proche de la valeur exacte connue, avec une erreur relative de seulement 3,5 pour cent. Ce niveau de précision a été atteint en utilisant nettement moins de mesures quantiques et moins de portes à deux qubits que les autres méthodes de pointe qui reposent sur des boucles de rétroaction répétées ou des circuits quantiques profonds. Les chercheurs ont démontré qu'en séparant la préparation quantique de l'optimisation classique, ils pouvaient réutiliser les mêmes données quantiques pour tester de nombreux modèles mathématiques d'interaction électronique sans jamais avoir besoin de relancer l'ordinateur quantique.

L'étude a également exploré la manière dont cette méthode pourrait passer à l'échelle supérieure pour des systèmes plus larges. En analysant les données, les auteurs ont constaté que le nombre de mesures requises pour maintenir un niveau de précision fixe croît de manière exponentielle avec la taille de la grille, mais à un rythme gérable pour les dispositifs quantiques de l'ère actuelle. Ils ont comparé leur approche à d'autres algorithmes hybrides, tels que l'interaction de configuration sélectionnée par voie quantique et les méthodes de Krylov quantiques. Bien que ces méthodes puissent offrir des garanties mathématiques rigoureuses, elles nécessitent souvent beaucoup plus de ressources quantiques — soit des millions de fois plus d'échantillons, soit des milliers de fois plus de portes complexes — pour atteindre le même niveau de précision sur les petits systèmes testés. La capacité de la nouvelle méthode à découpler la mesure quantique de l'optimisation classique lui confère une flexibilité dont les autres méthodes sont dépourvues ; les chercheurs peuvent remplacer le modèle mathématique des interactions électroniques après la collecte des données, testant ainsi différentes théories à partir de la même expérience quantique.

Ce travail représente une preuve de concept plutôt qu'une solution finale au problème des électrons fortement corrélés. Les chercheurs reconnaissent que leur démonstration actuelle était limitée à une petite grille de 4 par 4, et que des systèmes plus larges nécessiteront des techniques de préparation d'état plus avancées. Cependant, le succès de cet algorithme hybride sans rétroaction suggère une voie viable pour l'avenir. En utilisant le processeur quantique strictement comme un outil pour générer un état spécifique et difficile à créer, puis en laissant les ordinateurs classiques effectuer le gros du travail d'optimisation, l'équipe a montré que l'avantage quantique en science des matériaux pourrait ne pas nécessiter les machines massives et corrigées d'erreurs du futur lointain. Il peut, au contraire, être réalisable dès aujourd'hui en concevant soigneusement des algorithmes qui respectent les forces uniques du matériel quantique et classique, transformant un décalage fondamental de bases en un partenariat complémentaire.

Résumé technique : États fondamentaux explicitement corrélés avec un algorithme hybride variationnel sans rétroaction

Énoncé du problème
Décrire avec précision les systèmes électroniques fortement corrélés, tels que le modèle de Fermi–Hubbard 2D, nécessite de capturer les corrélations à courte portée dominantes. Les méthodes explicitement corrélées y parviennent en augmentant un état de référence $|\phi\rangle$ par un corrélateur diagonal $C$ (par exemple, un facteur de Jastrow ou de Gutzwiller). Cependant, un décalage fondamental de base apparaît : les états de référence hautement précis pour ces systèmes sont souvent compacts dans l'espace des impulsions (par exemple, les Matrix Product States ou MPS), tandis que les corrélateurs diagonaux motivés par la physique agissent naturellement dans l'espace réel. Les algorithmes classiques peinent à combler ce fossé : le calcul de Monte Carlo variationnel (VMC) nécessite un accès efficace aux amplitudes dans l'espace réel (ce qui est $\#P$ -difficile pour les MPS dans l'espace des impulsions), tandis que la méthode transcorrélée incorpore le corrélateur dans le Hamiltonien mais produit des énergies non variationnelles et nécessite des calculs biorthogonaux complexes.

Méthodologie
Les auteurs proposent un algorithme hybride quantique-classique qui découple la préparation de l'état quantique de l'optimisation variationnelle du corrélateur, éliminant ainsi le besoin d'une boucle de rétroaction quantique-classique. Le flux de travail procède comme suit :

Pré-calcul classique : Un calcul de Density Matrix Renormalization Group (DMRG) transcorrélé génère un MPS à faible dimension de liaison dans l'espace des impulsions $|\phi\rangle$ . Cet état est optimisé de manière auto-cohérente à l'aide d'une transformation de similitude de type Gutzwiller ( $C_{tc} = e^{JD}$ ), produisant une énergie de référence non variationnelle.
Exécution quantique : Un processeur quantique prépare l'MPS dans l'espace des impulsions $|\phi\rangle$ . Il applique ensuite une transformation de Fourier fermionique ( $U_{FT}$ ) pour faire pivoter l'état dans l'espace réel.
Mesure : L'état pivoté est mesuré dans des bases fixées uniquement par les termes du Hamiltonien (base d'occupation diagonale et bases de saut). Crucialement, ces circuits de mesure sont indépendants des paramètres $\theta$ du corrélateur variationnel suivant $C_\theta = \exp(\sum \theta_r D_r)$ .
Post-traitement classique : Les résultats bruts de mesure sont calibrés à l'aide d'un programme quadratique pour reproduire les valeurs attendues connues de l'MPS classique dans l'espace des impulsions (par exemple, $\langle D \rangle$ , $\langle T \rangle$ ). Ces échantillons calibrés sont ensuite utilisés pour évaluer le fonctionnel d'énergie variationnelle :
$E_{ec}(\theta) = \frac{\langle \phi | C_\theta H C_\theta | \phi \rangle}{\langle \phi | C_\theta^2 | \phi \rangle}$
Les paramètres $\theta$ sont optimisés entièrement de manière classique pour minimiser cette énergie. Comme les bases de mesure ne dépendent pas de $\theta$ , le même ensemble de données peut être réutilisé pour n'importe quelle forme ou paramètre de corrélateur.

Contributions clés

Optimisation variationnelle sans rétroaction : Contrairement aux algorithmes VQE standards qui nécessitent des mises à jour itératives des circuits, cette méthode fixe tous les circuits quantiques avant l'exécution. L'optimisation variationnelle se produit entièrement lors du post-traitement classique, permettant l'exploration de formes de corrélateurs diagonaux dans l'espace réel arbitraires (y compris des formes à paramètres élevés) sans exécutions quantiques supplémentaires.
Résolution du conflit de base : L'algorithme exploite le processeur quantique pour effectuer la rotation coûteuse de l'espace des impulsions vers l'espace réel, permettant l'utilisation de références MPS compactes dans l'espace des impulsions avec des corrélateurs dans l'espace réel.
Protocole de calibration : Un schéma de calibration novateur repondère les échantillons de mesure pour correspondre aux moments d'ordre inférieur de l'MPS de référence, réduisant considérablement les erreurs statistiques et les biais sans nécessiter une reconstruction complète de la fonction d'onde.

Résultats
L'algorithme a été démontré sur un modèle de Fermi–Hubbard 4 $\times$ 4 à demi-remplissage ( $U/t=4$ ) utilisant l'ordinateur quantique à ions piégés Quantinuum H2-2 (32 qubits).

Performance matérielle : En utilisant un MPS de dimension de liaison-4, l'énergie post-sélectionnée brute était de $-11,49 \pm 0,49$ . Après calibration, l'énergie s'est améliorée à $-13,14 \pm 0,07$ , atteignant une erreur relative de $3,5 \pm 0,5 \%$ par rapport à l'état fondamental exact.
Efficacité d'échantillonnage : Comparé à la Configuration Interaction Sélectionnée par Quantique (QSCI), la méthode proposée a nécessité beaucoup moins d'échantillons (environ $3,6 \times 10^4$ contre $\sim 2 \times 10^8$ ) pour atteindre une précision comparable.
Efficacité des portes : Comparée à la Diagonalisation de Sous-espace de Krylov Quantique (QKSD), la méthode a nécessité moins de portes à deux qubits (464 pour le circuit de rotation contre 544 pour QKSD pour atteindre la même précision, et 696 contre 22 304 pour des cibles de précision plus élevées).
Mise à l'échelle : L'étude suggère que pour les systèmes à demi-remplissage, le coût d'échantillonnage évolue selon $\exp(cN)$ avec $c < 0,1$ , bien que cela reste une hypothèse nécessitant une vérification supplémentaire.

Signification et affirmations
Les auteurs présentent ce travail comme une « preuve de concept » plutôt qu'une démonstration d'avantage quantique total. La signification réside dans la démonstration d'une voie viable pour combiner les forces des méthodes de réseaux de tenseurs classiques (références compactes dans l'espace des impulsions) avec le matériel quantique (rotation exacte dans l'espace réel) sans le surcoût des boucles de rétroaction.

L'article affirme que cette approche offre un avantage distinct par rapport aux autres algorithmes hybrides sans rétroaction (comme QSCI et QKSD) en nécessitant moins de ressources (échantillons et portes) pour le test de référence effectué. Il souligne que bien que l'estimation de l'énergie soit variationnelle, les observables dérivées de l'état unique $C|\phi\rangle$ sont plus précises que celles issues des méthodes transcorrélées biorthogonales. Les auteurs notent que la méthode est particulièrement adaptée aux régimes où le Quantum Monte Carlo à champ auxiliaire souffre de problèmes de signe (par exemple, loin du demi-remplissage ou pour des systèmes dilués), à condition que des états de référence MPS à faible dimension de liaison restent efficaces. L'étude conclut que si les limitations matérielles actuelles restreignent la taille du système, la nature sans rétroaction et l'efficacité des ressources font de cette méthode une candidate prometteuse pour la simulation quantique de matériaux fortement corrélés à court terme.

Articles similaires