Better accuracy with fewer qubits: Single-particle basis set optimization for quantum chemistry on quantum computers

Immagina di cercare di risolvere un puzzle enorme e intricato, ma di avere solo una scatolina minuscola per contenerne i pezzi. Questa è la realtà attuale per gli scienziati che cercano di usare i computer quantistici per comprendere la chimica. I computer quantistici sono come motori super-potenziati che un giorno potrebbero aiutarci a scoprire nuovi medicinali o materiali, ma in questo momento sono un po' "rumorosi" e fragili. Non possono gestire troppi pezzi contemporaneamente senza che l'intero quadro vada in pezzi. Per far sì che funzioni, gli scienziati di solito devono buttare via la maggior parte dei pezzi del puzzle, tenendone solo pochi per farli stare nella scatola. Il problema è che, quando butti via troppi pezzi, l'immagine che ottieni è sfocata e imprecisa. Perdi i dettagli sottili che rendono possibile la chimica.

Il documento di cui stai per sentire parlare affronta esattamente questo problema. Si pone una domanda intelligente: invece di cercare di infilare un puzzle gigante in una scatola piccola, che ne direste se ridisegnassimo i pezzi del puzzle stessi per renderli più piccoli ma più intelligenti? I ricercatori si sono concentrati sui "basis sets" (insiemi di basi), che sono essenzialmente i mattoncini matematici che gli scienziati usano per descrivere come si comportano gli elettroni attorno agli atomi. Immagina che questi siano le forme dei pezzi del puzzle. Di solito, per ottenere un'immagine chiara, serve un enorme mucchio di pezzi complessi e di alta qualità. Ma questo articolo suggerisce che, se si rimodellano con cura alcuni pezzi semplici, si può ottenere un'immagine altrettanto chiara (o addirittura più chiara) usando molti meno pezzi. Questo è un grande passo avanti perché significa che potremmo eseguire calcoli chimici accurati sui computer quantistici imperfetti di oggi senza aver bisogno di un milione di pezzi che non entrerebbero nella scatola.

La storia dei pezzi del puzzle più intelligenti

Gli autori di questo articolo, Subimal Deb e V. S. Prasannaa, hanno deciso di giocare a un gioco di "modifica e miglioramento" con questi mattoncini matematici. Sono partiti dal set di pezzi più semplice e basilare disponibile, noto come "minimal basis sets" (insiemi di basi minimi). Questi sono come i pezzi del puzzle minimi che puoi usare per descrivere un atomo. Il problema è che sono spesso un po' grezzi nei bordi, portando a risultati sfocati.

Per risolvere questo problema, il team ha inventato una "macchina evolutiva" digitale. Hanno usato un metodo ispirato alla natura chiamato algoritmo genetico. Immagina di avere una scatola di pezzi leggermente diversi. Li testi tutti per vedere quali creano l'immagine migliore. I "vincitori" possono avere dei "figli" (nuove versioni create mescolando le loro caratteristiche), mentre i "perdenti" vengono scartati. Ma gli autori non si sono fermati qui; hanno aggiunto un passaggio di "raffinamento", come uno scultore che assottiglia piccoli pezzi di pietra per rendere il pezzo perfetto. Hanno chiamato l'intero processo algoritmo memetico.

Hanno eseguito questa evoluzione digitale su atomi che vanno dall'Idrogeno al Fluoro (saltando l'Elio, che è un caso un po' speciale). Sono partiti dai pezzi standard ed hanno fatto evolvere questi in nuove versioni super-ottimizzate che chiamano MSTO-kG basis sets. La "k" nel nome è solo un numero che rappresenta quanti piccoli profili gaussiani sono stati schiacciati insieme per creare un singolo pezzo. Hanno spinto questo numero fino a 11, creando pezzi molto più dettagliati rispetto agli originali semplici, pur mantenendo lo stesso numero totale di pezzi.

Il risultato magico: Immagini migliori, meno pezzi

Ecco la parte eccitante: poiché hanno mantenuto lo stesso numero di pezzi, non hanno avuto bisogno di spazio extra nella loro scatola del computer quantistico. Ma poiché i pezzi erano più intelligenti, le immagini che hanno costruito erano sbalorditive per chiarezza.

Quando hanno testato questi nuovi pezzi MSTO contro i pezzi standard di alta qualità usati dai chimici (come il famoso set 6-31G), i risultati sono stati sorprendenti. Per molti atomi, i loro nuovi, più piccoli set di pezzi hanno prodotto energie dello stato fondamentale (il livello di energia più stabile di un atomo) uguali o addirittura migliori dei set molto più grandi e costosi.

Per esempio, quando hanno osservato l'atomo di Litio, i loro pezzi ottimizzati hanno effettivamente superato le prestazioni del set cc-pVQZ. Questo è un grande traguardo perché il set cc-pVQZ è un set "quadruplo zeta", ovvero una collezione massiccia e ad alta definizione di pezzi. Gli autori sono riusciti a ottenere risultati migliori usando un set con lo stesso numero di pezzi del minuscolo e basilare set minimo. È come ottenere un video in qualità 4K usando solo un manipolo di pixel, a patto che quei pixel siano dipinti nel modo giusto.

Hanno anche controllato come questi nuovi pezzi funzionassero per le molecole (gruppi di atomi attaccati tra loro). Per la maggior parte delle molecole testate, come l'Idruro di Litio o l'Idruro di Berillio, i nuovi pezzi hanno performato altrettanto bene dei set standard 6-31G. C'è stato un piccolo intoppo: la molecola di Idrogeno ($H_2$) non funzionava così bene con i loro nuovi pezzi, una scoperta che concorda con quanto visto da altri scienziati in precedenza. Ma per quasi tutto il resto, i nuovi pezzi sono stati i vincitori.

Perché questo è importante per il futuro

Il vero potere di questo lavoro emerge quando si guarda al "costo" dell'esecuzione di questi calcoli su un computer quantistico. I computer quantistici sono misurati in "qubit" (la versione quantistica dei bit) e "gate" (le operazioni che eseguono). Più complessi sono i pezzi del puzzle, più qubit e gate servono.

Gli autori hanno eseguito delle simulazioni per vedere come i loro nuovi pezzi MSTO si sarebbero confrontati con quelli standard per tre diversi algoritmi quantistici: VQE (usato sui computer rumorosi di oggi), QPE (un metodo futuro, più potente) e HHL (un altro algoritmo avanzato).

I risultati sono stati una vittoria massiccia in termini di efficienza. Per l'atomo di Litio, l'uso del loro set di basi MSTO-11G richiedeva lo stesso numero di qubit del minuscolo set di base, ma utilizzava molti meno gate rispetto al grande set 6-31G. Nello specifico, hanno richiesto solo circa il 13% dei gate a due qubit necessari per il set 6-31G e solo il 3% dei gate necessari per il set ancora più grande cc-pVDZ.

Pensatela in questo modo: se il metodo standard richiede di guidare un camion pesante per consegnare un pacco, il metodo degli autori permette di usare una moto elegante e veloce per consegnare lo stesso pacco, esattamente alla stessa destinazione, ma con molto meno carburante e meno usura sulla strada.

In sintesi

Questo articolo non sostiene di aver risolto tutta la chimica o di aver costruito un computer quantistico perfetto. Al contrario, offre un aggiramento molto pratico e intelligente dei limiti che affrontiamo attualmente. Usando un approccio evolutivo intelligente per ridisegnare i "mattoncini" matematici degli atomi, gli autori hanno dimostrato che possiamo ottenere risultati accurati e di alta qualità senza aver bisogno di una quantità massiccia di risorse quantistiche.

Hanno dimostrato che non serve sempre avere più pezzi per ottenere un'immagine migliore; a volte, basta far sì che i pezzi che hai lavorino un po' di più. Questo apre la porta a simulazioni chimiche più accurate sui computer quantistici che abbiamo oggi e su quelli che arriveranno nel prossimo futuro, avvicinandoci alla scoperta di nuovi farmaci e materiali senza dover aspettare che la tecnologia diventi perfetta.