Locally optimized variational evolution for quantum many-body systems
Questo articolo introduce un principio di evoluzione temporale variazionale localmente ottimizzato per sistemi quantistici a molti corpi che sostituisce la fedeltà dello stato globale con una funzione di costo basata su matrici di densità ridotte locali, consentendo la simulazione efficiente di dinamiche termalizzanti attraverso un algoritmo ibrido quantistico-classico validato sui processori Quantinuum H2 e IBM Heron.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nel vasto panorama della fisica quantistica, una sfida persistente si staglia da tempo come un ostacolo alla comprensione di come i sistemi complessi cambino nel tempo. Quando una collezione di particelle interagisce, esse si legano profondamente in un modo che sfida la descrizione semplice; lo stato dell'intero sistema diventa così intricato che rappresentarlo su un computer classico richiede risorse che esplodono esponenzialmente man mano che il sistema diventa più grande. Questa complessità suggerisce che, per simulare anche solo un modesto numero di particelle interagenti, si avrebbe bisogno di un computer molto più potente di qualsiasi cosa esista attualmente. Tuttavia, una distinzione cruciale viene spesso persa in questo muro matematico: mentre lo stato globale del sistema diventa impossibilmente complesso, le cose che possiamo effettivamente misurare nel mondo reale sono locali. Non osserviamo l'intero universo tutto in una volta; guardiamo una regione specifica, una piccola porzione del sistema. In molte situazioni fisiche, in particolare in quelle in cui il sistema si assesta in uno stato di equilibrio termico, queste regioni locali perdono la memoria dei dettagli microscopici delle parti lontane del sistema. Esse si rilassano in uno stato prevedibile governato da pochi parametri, semplificando efficacementamente il problema della loro descrizione.
Questa osservazione costituisce la base di un nuovo approccio sviluppato dai ricercatori del London Centre for Nanotechnology e dell'University College London. Essi hanno ideato un metodo per simulare l'evoluzione dei sistemi quantistici che evita la necessità di tracciare l'intera, travolgente funzione d'onda globale. Inveve di cercare di tenere a fuoco l'immagine completa, la loro tecnica si concentra esclusivamente sui dettagli locali che contano. Ottimizzando una descrizione matematica per farla corrispondere al comportamento di piccole regioni finite del sistema, possono prevedere accuratamente come gli osservabili locali cambino nel tempo. Questa strategia permette alla simulazione di rimanere computazionalmente gestibile, anche quando il sistema evolve e lo stato globale diventa troppo complesso da gestire. Il metodo funziona proiettando ripetutamente lo stato del sistema su un modello semplificato che meglio si adatta ai dati locali, ignorando efficacemente le complessità distanti e irrilevanti che altrimenti rallenterebbero il calcolo.
I ricercatori hanno testato questa idea, che chiamano stati a matrice a prodotto (matrix-product states) ottimizzati localmente, su due diversi tipi di sistemi quantistici. Per prima cosa, hanno esaminato un sistema che è noto per essere prevedibile e stabile, dove le particelle interagiscono in un modo che preserva un modello chiaro e coerente nel tempo. In queste fasi iniziali di evoluzione, il nuovo metodo ha catturato con successo le oscillazioni ritmiche e nitide delle particelle locali, corrispondendo ai risultati di calcoli teorici altamente precisi. Ciò ha dimostrato che l'approccio non si limita a smussare i dettagli interessanti; esso mantiene la dinamica coerente che definisce il comportamento del sistema nel breve termine. Successivamente, si sono rivolti a un sistema più caotico, uno in cui le particelle interagiscono in un modo che porta a una rapida termalizzazione. In questo scenario, le regioni locali sono destinate a perdere la loro storia specifica e ad assestarsi in uno stato di massimo disordine, simile a un gas che raggiunge una temperatura uniforme. Qui, il metodo ha dimostrato la sua seconda forza: man mano che la simulazione procedeva, le regioni locali si rilassavano naturalmente verso questo equilibrio atteso. I ricercatori hanno scoperto che aumentando la dimensione della porzione locale che stavano ottimizzando, la simulazione diventava ancora più accurata, sopprimendo oscillazioni artificiali nei dati e convergendo più strettamente verso il vero stato termico.
Per dimostrare che questo concetto potesse funzionare su hardware reale, non solo in simulazioni teoriche, il team ha implementato l'algoritmo su due diversi processori quantistici: il Quantinuum H2 e l'IBM Heron. Queste macchine sono dispositivi fisici reali, soggetti a rumore e imperfezioni, a differenza dei computer perfetti e privi di rumore utilizzati nelle simulazioni iniziali. I ricercatori hanno codificato la loro strategia di ottimizzazione locale su questi chip, utilizzando una sequenza di operazioni per preparare lo stato quantistico e misurare la sovrapposzione tra lo stato corrente e la regione locale target. Nonostante la presenza di rumore hardware e l'incertezza statistica inerente alle misurazioni quantistiche, l'algoritmo su entrambi i dispositivi ha recuperato con successo la caratteristica dinamica locale. I risultati dall'hardware quantistico rumoroso erano allineati con le simulazioni pulite e prive di rumore, mostrando che il metodo è abbastanza robusto da gestire le realtà dell'attuale tecnologia quantistica.
La significatività di questo lavoro risiede nel suo spostamento di prospettiva riguardo a ciò che è richiesto per simulare la materia quantistica. Suggerisce che la difficoltà di prevedere gli osservabili locali non è necessariamente legata alla dimensione dell'intero sistema, ma piuttosto alla complessità intrinseca dell'evoluzione locale stessa. Concentrandosi solo sulle informazioni che rimangono localmente accessibili, i ricercatori hanno creato uno strumento che scala con questa complessità intrinseca piuttosto che con il numero totale di particelle. Ciò apre la porta allo studio di sistemi più grandi e di scale temporali più lunghe di quanto precedentemente ritenuto possibile, particolarmente in scenari in cui la termalizzazione semplifica il quadro locale. Sebbene il metodo sia attualmente limitato dalla dimensione della porzione locale che può ottimizzare, i risultati suggeriscono che aumentare la dimensione di tale porzione migliora sistematicamente l'accuratezza della previsione. Il lavoro fornisce una strada concreta per comprendere come i sistemi a molti corpi evolvano, offrendo un modo per navigare nella complessità del mondo quantistico guardando da vicino ai piccoli pezzi gestibili che definiscono la nostra realtà fisica.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.