Green's Functions from Sample-based Krylov Quantum Diagonalization: An Impurity Solver for Dynamical Mean-Field Theory

La materia che si comporta in modi strani e ostinati, come i superconduttori che trasportano elettricità senza resistenza o i materiali magnetici che alimentano i nostri hard disk, spesso sfida le semplici regole che usiamo per spiegare i solidi ordinari. In questi materiali, gli elettroni non si muovono indipendentemente; si spingono e si attraggono a vicenda con una forza così forte che il comportamento di un elettrone è inestricabilmente legato al comportamento dei suoi vicini. Per capire come funzionano questi materiali, gli scienziati devono calcolare la "funzione di Green", uno strumento matematico che funge da mappa di come un elettrone si muove attraverso questo ambiente affollato e caotico. Questa mappa rivela i livelli energetici del materiale e come esso risponde alla luce o all'elettricità, ma calcolarla per sistemi di grandi dimensioni è un compito monumentale. Il numero di possibili configurazioni per gli elettroni cresce in modo così esplosivo con la dimensione del sistema che anche i supercomputer più potenti esauriscono rapidamente la memoria, costringendo i ricercatori a studiare solo versioni minuscole e semplificate dei materiali che realmente gli interessano.

Un team di ricercatori ha proposto un nuovo modo per affrontare questo problema utilizzando i computer quantistici, non cercando di simulare l'intero sistema in una volta sola, ma scattando una serie di astuti piccoli scatti fotografici. In uno studio focalizzato su un sistema modello che imita il comportamento degli elettroni in un metallo, i ricercatori hanno adattato una tecnica chiamata diagonalizzazione quantistica di Krylov basata sul campionamento. Invece di chiedere a un computer quantistico di contenere l'intero e massiccio stato del sistema nella sua memoria, hanno chiesto di far evolvere il sistema per periodi di tempo molto brevi e poi misurare i risultati. Ripetendo questo processo molte volte e raccogliendo gli esiti più comuni, sono stati in grado di ricostruire la mappa completa del movimento degli elettroni senza mai dover memorizzare l'impossibile quantità di dati richiesta dai metodi tradizionali. L'approccio è progettato per funzionare sui computer quantistici rumorosi e imperfetti disponibili oggi, che non possono ancora eseguire i circuiti lunghi e complessi richiesti dai metodi più vecchi.

I ricercatori hanno testato il loro metodo su un modello specifico noto come modello di Anderson a singola impurità, che descrive un singolo atomo che interagisce con un mare di elettroni. Hanno impostato una simulazione in cui l'atomo centrale era collegato a una catena di dodici siti, rappresentando l'ambiente circostante. In questa configurazione, l'atomo centrale esercita una forte forza repulsiva che impedisce a due elettroni di occupare lo stesso punto, una caratteristica chiave che guida la transizione tra un metallo che conduce elettricità e un isolante che non lo fa. Il team ha utilizzato un computer classico per simulare il dispositivo quantistico, permettendo loro di confrontare il loro nuovo metodo con la soluzione esatta e perfetta per questo sistema. Hanno scoperto che, campionando l'evoluzione quantistica, potevano ricostruire la mappa energetica dell'elettrone con alta precisione utilizzando solo una frazione minuscola di tutti i possibili stati. Per un sistema con dodici siti, il metodo ha ridotto lo spazio computazionale richiesto di tre o quattro ordini di grandezza, il che significa che doveva gestire solo poche migliaia di stati invece delle centinaia di milioni che sarebbero necessari per un calcolo completo.

Lo studio ha rivelato che il metodo funziona meglio quando il sistema si trova in uno stato che non è né completamente semplice né completamente caotico. Quando l'interazione tra gli elettroni è molto debole, il sistema si comporta come un mare calmo di particelle indipendenti, e quando è molto forte, gli elettroni si bloccano in un modello rigido. In entrambi questi casi estremi, il metodo ha trovato la risposta facilmente. Tuttavia, nel terreno di mezzo, dove il materiale è sulla soglia di cambiare da metallo a isolante, gli elettroni sono in uno stato complesso e fluttuante. Qui, i ricercatori hanno scoperto che il metodo richiedeva un numero leggermente maggiore di campioni per catturare il quadro completo, ma ha comunque avuto successo laddove i metodi tradizionali avrebbero fallito. I risultati hanno mostrato che le caratteristiche spettrali, ovvero i picchi e le valli distinti nella mappa dell'energia che definiscono le proprietà del materiale, erano riprodotti fedelmente attraverso un'ampia gamma di intensità di interazione.

Uno dei risultati più significativi è stato che il metodo non richiedeva al computer quantistico di eseguire operazioni complesse che coinvolgono bit "aiutanti" extra, noti come ancilla, che sono spesso una fonte di errori nei dispositivi attuali. Invece, il dispositivo quantistico doveva solo preparare lo stato, lasciarlo evolvere per un breve periodo e poi misurare le posizioni degli elettroni. Tutto il lavoro pesante di collegare queste misurazioni alla risposta finale è stato svolto da un computer classico. Questa divisione del lavoro mantiene il circuito quantistico poco profondo e semplice, rendendolo un candidato realistico per l'hardware disponibile nel prossimo futuro. I ricercatori hanno osservato che, sebbene il metodo sia attualmente una simulazione, il modo in cui il numero di campioni richiesti cresce al crescere del sistema è incoraggiante. Man mano che la catena di siti cresceva da otto a dodici, la frazione del totale dei possibili stati necessari per ottenere una risposta accurata diminuiva effettivamente, suggerendo che il metodo potrebbe scalare verso sistemi ancora più grandi che sono attualmente fuori portata.

Il lavoro ha anche affrontato una domanda comune su quale sia il punto di partenza migliore per questi calcoli. Il team ha testato due modi diversi per impostare lo stato iniziale del sistema: uno basato su un quadro semplice e non interagente e un altro basato su un quadro più complesso e autoconsistente. Hanno scoperto che il punto di partenza più semplice era altrettanto efficace di quello più complesso per questo compito specifico, il che semplifica la configurazione per futuri esperimenti. Inoltre, hanno dimostto che il metodo poteva gestire la "ramificazione" matematica necessaria per calcolare come gli elettroni vengono aggiunti o rimossi dal sistema, un passaggio necessario per costruire la mappa energetica completa. Selezionando attentamente quali stati campionati mantenere e quali scartare, si sono assicurati che il risultato finale rispettasse le regole fondamentali della fisica, come la conservazione della probabilità.

Questo approccio offre una strada promettente per la teoria del campo medio dinamico, un potente quadro utilizzato per studiare materiali fortemente correlati. In questo quadro, un complesso reticolo di atomi viene mappato su un problema di singola impurità, che deve essere risolto ripetutamente per trovare le proprietà dell'intero materiale. Il collo di bottiglia è sempre stato il risolutore dell'impurità, il passaggio che calcola il comportamento dell'elettrone per quel singolo sito. Se questo risolutore può essere eseguito su un computer quantistico con un numero maggiore di siti di bagno rispetto a quanto sia attualmente possibile, ciò permetterebbe agli scienziati di modellare i materiali con molta più precisione. I ricercatori suggeriscono che il loro metodo potrebbe servire come un nuovo risolutore di impurità, consentendo lo studio di sistemi più grandi e realistici rispetto a prima. Sebbene lo studio fosse limitato a un modello specifico e non includesse ancora il ciclo completo e autoconsistente della teoria, i risultati forniscono una forte prova di concetto della fattibilità di tale calcolo.

Lo studio ha anche esaminato come il metodo si comporta in diverse condizioni, come variando la forza della repulsione elettronica. Hanno scoperto che il numero di campioni necessari per raggiungere un determinato livello di accuratezza non segue una linea retta semplice; raggiunge un picco alle intensità di interazione intermedie prima di scendere nuovamente. Questo comportamento ha senso fisicamente, poiché la regione intermedia è quella in cui il sistema è più complesso e richiede più informazioni per essere descritto. Nonostante questo picco, il numero totale di campioni richiesti rimaneva una piccola frazione del totale dei possibili stati, anche per i casi più difficili. I ricercatori hanno concluso che il metodo è robusto e che la scalabilità favorevole osservata nelle loro simulazioni suggerisce che potrebbe essere uno strumento pratico per l'hardware quantistico nel breve termine.

In definitiva, questo lavoro dimostra che non dobbiamo aspettare computer quantistici perfetti e privi di errori per iniziare a risolvere alcuni dei problemi più difficili della fisica della materia condensata. Abbracciando la natura probabilistica della misurazione quantistica e utilizzando tecniche di campionamento intelligenti, i ricercatori possono estrarre le informazioni essenziali su come si muovono gli elettroni nei materiali complessi. Il metodo trasforma un problema che prima era considerato intrattabile in uno gestibile, aprendo la porta a una nuova generazione di simulazioni che potrebbero aiutarci a comprendere e progettare i materiali avanzati del futuro. Le scoperte suggeriscono che, con l'algoritmo giusto, anche i computer quantistici rumorosi di oggi possono iniziare a gettare luce sui misteri più profondi della materia fortemente correlata.