Band structure of two-dimensional graphene and of one-dimensional nanoribbons via variational quantum algorithms: from energies to wavefunction quality

Le monde de la science des matériaux est actuellement confronté à un puzzle profond : comment comprendre le comportement des électrons lorsqu'ils sont étroitement compactés et interagissent avec acharnement. Dans les métaux et les semi-conducteurs ordinaires, les électrons se déplacent comme une foule calme et ordonnée, et leur comportement peut être prédit par des règles bien établies. Mais dans certains matériaux avancés, les électrons se poussent et se tirent si fortement qu'ils créent des états de la matière entièrement nouveaux, tels que des supraconducteurs qui conduisent l'électricité sans résistance ou des matériaux qui passent d'isolants à conducteurs. Pour comprendre ces phénomènes, les scientifiques doivent résoudre des équations complexes qui décrivent la danse collective de milliards de particules. Le faire sur un ordinateur standard est souvent impossible car le nombre de possibilités croît si vite que même les supercalculateurs les plus puissants tombent à court de mémoire. C'est là que l'informatique quantique entre en scène. Contrairement aux machines classiques qui traitent l'information sous forme de simples commutateurs on-off, les ordinateurs quantiques utilisent les lois de la physique pour stocker l'information d'une manière qui imite naturellement le comportement des électrons. Cependant, les ordinateurs quantiques disponibles aujourd'hui sont encore à un stade précoce et bruyant. Ils sont sujets à des erreurs causées par la chaleur, les vibrations et les interférences, ce qui peut brouiller des calculs délicats avant qu'ils ne soient terminés.

Dans ce contexte, une équipe de chercheurs issus d'universités espagnoles a franchi une étape significative vers la rendre utile pour la science des matériaux du monde réel. Ils ont concentré leurs efforts sur le graphène, un matériau composé d'une seule couche d'atomes de carbone disposés selon un motif en nid d'abeille. Bien que le graphène lui-même soit un matériau simple où les électrons n'interagissent pas fortement, il sert de terrain d'essai parfait. Les chercheurs voulaient voir s'ils pouvaient utiliser un ordinateur quantique bruyant pour cartographier avec précision les niveaux d'énergie, ou « structure de bandes », du graphène sous deux formes différentes : une feuille plate et bidimensionnelle et une bande étroite, unidimensionnelle, connue sous le nom de nanoruban. Ces rubans peuvent avoir des bords dentelés ou des bords lisses et droits, et la forme du bord modifie la façon dont les électrons se déplacent. En simulant avec succès ces systèmes non interagissants, l'équipe visait à prouver que leurs méthodes pourraient servir de fondation fiable pour des études futures de matériaux beaucoup plus complexes et interagissants.

Les chercheurs ont développé un flux de travail unique et flexible pour aborder à la fois les feuilles plates et les rubans étroits. Ils ont commencé par traduire la description mathématique des électrons du graphène dans un langage qu'un ordinateur quantique pourrait comprendre, convertissant le problème en une série d'opérations sur des bits quantiques, ou qubits. Pour trouver l'état d'énergie le plus bas du système, ils ont utilisé une méthode appelée l'Eigensolver Quantique Variationnel (Variational Quantum Eigensolver). Cette approche fonctionne comme une recherche guidée : l'ordinateur quantique prépare un état d'essai, mesure son énergie, puis un ordinateur classique ajuste les paramètres pour tenter de trouver une énergie plus basse. Ils ont répété ce processus, affinant les réglages jusqu'à trouver la configuration la plus stable. Pour trouver les états d'énergie plus élevés, ils ont utilisé une technique appelée Déflation Quantique Variationnelle (Variational Quantum Deflation), qui ajoute une pénalité à la recherche si l'ordinateur tente de trouver un état qu'il a déjà découvert, le forçant ainsi à chercher le niveau supérieur.

L'équipe a testé sa méthode de trois manières différentes pour s'assurer que ses résultats étaient dignes de confiance. Premièrement, elle a exécuté l'ensemble du processus sur une simulation parfaite et sans bruit pour voir quel serait le résultat idéal. Deuxièmement, elle a simulé le processus sur un ordinateur incluant un modèle réaliste des erreurs présentes dans le matériel quantique actuel. Enfin, elle a exécuté les calculs sur de véritables processeurs quantiques fournis par IBM. Les résultats de la simulation parfaite étaient presque identiques aux réponses exactes connues, prouvant que leur traduction mathématique et leur algorithme étaient corrects. Lorsqu'ils ont introduit du bruit dans la simulation, les valeurs d'énergie calculées ont légèrement dérivé, mais la forme globale des bandes d'énergie est restée claire et précise. Les écarts étaient faibles, s'élevant à seulement quelques centièmes de l'unité d'énergie utilisée pour décrire comment les électrons sautent entre les atomes.

Lorsque les chercheurs sont passés au matériel réel, les résultats ont été encore plus encourageants que les simulations bruyantes ne le suggéraient pour le cas le plus simple. Pour la feuille de graphène plate et bidimensionnelle, qui ne nécessitait qu'un seul qubit, le dispositif a produit des résultats qui correspondaient aux prédictions théoriques avec une précision remarquable. L'erreur était si petite qu'elle était dominée simplement par le bruit statistique lié à un nombre limité de mesures, plutôt que par le matériel lui-même. C'était une découverte cruciale car elle montrait que, pour des systèmes simples, les machines quantiques actuelles sont déjà capables de produire des données de haute qualité. Cependant, l'histoire a légèrement changé lorsqu'ils ont examiné les nanorubans unidimensionnels, qui nécessitaient plus de qubits et des circuits plus complexes. Ici, les dispositifs réels ont produit des erreurs légèrement plus importantes que ce que le modèle de bruit avait prédit. Les chercheurs ont découvert que les erreurs n'étaient pas aléatoires ; elles étaient systématiques, poussant les valeurs d'énergie vers le centre du spectre. Cela indiquait que le matériel introduisait des types d'erreurs spécifiques, tels que l'interférence entre des qubits voisins, qui n'étaient pas pleinement capturés par leurs modèles de simulation.

Une découverte clé du travail réside dans la façon dont la précision de la méthode changeait à mesure que la taille du système augmentait. Les chercheurs ont constaté que le nombre de qubits nécessaires pour décrire un nanoruban croît très lentement à mesure que le ruban s'élargit, ce qui est une mise à l'échelle très favorable pour les applications futures. Cependant, ils ont également trouvé une limite stricte sur la précision. S'ils maintenaient le circuit quantique simple et peu profond pour éviter les erreurs, les résultats étaient bons pour les petits systèmes mais devenaient moins précis à mesure que le système grandissait. Inversement, s'ils rendaient le circuit plus profond et plus complexe pour tenter de capturer plus de détails, les résultats sur le matériel bruyant s'aggravaient en réalité. La profondeur supplémentaire permettait à davantage d'erreurs de s'accumuler, noyant tout bénéfice de la complexité ajoutée. Cela a prouvé que sur les machines d'aujourd'hui, la meilleure stratégie est d'utiliser le circuit le plus superficiel possible que le problème puisse tolérer, plutôt que d'essayer de construire le circuit le plus puissant que la physique permette théoriquement.

La partie peut-être la plus instructive de l'étude fut la manière dont les chercheurs ont vérifié non seulement les chiffres d'énergie, mais aussi la qualité de l'état quantique lui-même. Ils ont réalisé qu'un ordinateur pouvait parfois trouver la bonne valeur d'énergie par accident, même si l'état sous-jacent des électrons était erroné. Pour détecter cela, ils ont utilisé un outil de diagnostic pour mesurer quelle part de l'état calculé appartenait réellement au groupe correct d'états physiques. Dans les simulations parfaites, ce contrôle a confirmé que l'ordinateur trouvait les bons états. Mais dans l'environnement bruyant, ils ont découvert un mode de défaillance subtil : parfois, l'ordinateur sautait un niveau d'énergie pour se stabiliser sur un autre, tout en présentant une valeur d'énergie qui semblait encore plausible. En vérifiant directement l'état, ils pouvaient voir que le calcul avait échoué, une erreur que l'examen de l'énergie seule aurait cachée. Ce diagnostic était particulièrement utile pour identifier quand l'ordinateur éprouvait des difficultés avec des groupes d'états très proches en énergie, une caractéristique commune de ces matériaux.

L'étude conclut que, bien que les ordinateurs quantiques actuels ne soient pas encore assez puissants pour résoudre seuls les problèmes les plus difficiles de la science des matériaux, ils sont prêts à servir de point de départ contrôlé et fiable. Les chercheurs ont démontré qu'ils peuvent cartographier avec précision le paysage énergétique des systèmes de graphène, fournissant une base solide d'états de référence. Ces états de référence sont essentiels pour des algorithmes plus avancés qui s'attaqueront éventuellement aux électrons complexes et interagissants trouvés dans les supraconducteurs et d'autres matériaux exotiques. En prouvant que leur flux de travail fonctionne de l'idéal des simulations jusqu'au matériel réel, et en montrant comment diagnostiquer et comprendre les erreurs qui surviennent en cours de route, l'équipe a tracé une voie claire vers l'avenir. Ils ont montré que même dans l'ère bruyante de l'informatique quantique, il est possible d'extraire des informations significatives et de haute qualité sur le monde physique, à condition de savoir exactement comment chercher et comment interpréter ce que la machine nous dit.