⚛️ fisica quantistica

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

Questo articolo propone e dimostra sperimentalmente un algoritmo ibrido quantistico-classico privo di feedback che utilizza un processore quantistico per preparare uno stato prodotto di matrice nello spazio del momento e l'elaborazione post-classica per ottimizzare variazionalmente un correlatore di tipo Jastrow esplicitamente correlato, ottenendo stime dell'energia dello stato fondamentale ad alta accuratezza per il modello di Fermi-Hubbard 2D con requisiti di campionamento e di gate ridotti rispetto ad altri metodi ibridi.

Autori originali: Benjamin Corbett, Akimasa Miyake

Pubblicato 2026-10-14

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Benjamin Corbett, Akimasa Miyake

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 mondo microscopico degli elettroni, le particelle non si comportano sempre come individui indipendenti che si muovono attraverso lo spazio vuoto. In certi materiali, esse diventano profondamente intrecciate, con i loro movimenti dettati da una repulsione feroce e immediata quando si avvicinano troppo l'una all'altra. Questo fenomeno, noto come correlazione forte, è la chiave per comprendere come alcuni materiali conducano elettricità, come diventino magnetici o come possano un giorno diventare superconduttori. Per prevedere questi comportamenti, gli scienziati devono risolvere un enorme rompicapo matematico: calcolare lo stato energetico esatto di un sistema in cui ogni elettrone reagisce costantemente a tutti gli altri elettroni. Per decenni, i più potenti computer classici hanno lottato contro questo compito, scontrandosi spesso con un muro quando le interazioni diventano troppo intense o il sistema diventa troppo grande. La difficoltà risiede in un disallineamento fondamentale: il modo più efficiente per descrivere l'ordine a lungo raggio di questi elettroni è in termini del loro momento, mentre il modo più efficiente per descrivere le loro repulsioni violente a corto raggio è in termini della loro posizione fisica. Cercare di combinare queste due descrizioni su un computer classico è stato come cercare di risolvere un puzzle in cui i pezzi sono tagliati da due immagini diverse.

Un team di ricercatori dell'Università del New Mexico ha trovato un modo per colmare questo divario utilizzando un computer quantistico, non chiedendo alla macchina di risolvere l'intero puzzle in una volta sola, ma usandolo per preparare un punto di partenza specifico e di alta qualità affinché un computer classico possa finire il lavoro. Il loro approccio, dettagliato in uno studio recente, si concentra su un modello teorico chiamato modello di Fermi-Hubbard, che descrive elettroni che saltano tra i siti su una griglia. I ricercatori hanno utilizzato un processore quantistico per generare uno stato a bassa entanglement di elettroni nello spazio dei momenti, una configurazione che è difficile da creare efficientemente per i computer classici. Hanno poi ruotato questo stato nello spazio reale, traducendo efficacementamente la descrizione in modo che le repulsioni a corto raggio potessero essere gestite. Fondamentalmente, hanno fatto questo senza un ciclo di andata e ritorno in cui il computer e l'algoritmo classico si regolano costantemente l'un l'altro. Invece, il processore quantistico ha eseguito il suo compito una sola volta, ha misurato i risultati e ha passato i dati a un computer classico. Il computer classico ha poi utilizzato questi dati per ottimizzare un "correlatore" matematico — uno strumento che affina la descrizione delle repulsioni elettroniche — interamente dopo che l'esperimento quantistico era terminato.

L'esperimento è stato condotto su un computer quantistico a 32 qubit, specificamente il modello H2-2 di Quantinuum. Il team ha preparato uno stato che rappresenta una griglia di 16 siti, riempita a metà dagli elettroni, e ha misurato l'energia del sistema. Dopo aver filtrato i dati per rimuovere gli esiti che violavano le regole note della conservazione delle particelle, hanno applicato una tecnica di calibrazione per correggere i piccoli errori inerenti all'attuale hardware quantistico. Il risultato è stato una stima dell'energia dello stato fondamentale sorprendentemente vicina al valore esatto noto, con un errore relativo di appena il 3,5 percento. Questo livello di precisione è stato raggiunto utilizzando significativamente meno misurazioni quantistiche e meno gate a due qubit complessi rispetto ad altri metodi d'avanguardia che si basano su ripetuti cicli di feedback o circuiti quantistici profondi. I ricercatori hanno dimostato che, separando la preparazione quantistica dall'ottimizzazione classica, potevano riutilizzare gli stessi dati quantistici per testare molti diversi modelli matematici di interazione elettronica senza mai dover eseguire nuovamente il computer quantistico.

Lo studio ha anche esplorato come questo metodo potrebbe scalare verso sistemi più grandi. Analizzando i dati, gli autori hanno scoperto che il numero di misurazioni necessarie per mantenere un livello fisso di precisione cresce esponenzialmente con la dimensione della griglia, ma a un ritmo gestibile per i dispositivi quantistici del vicino futuro (near-term). Hanno confrontato il loro approccio con altri algoritmi ibridi, come l'interazione configurazionale selezionata quantisticamente e i metodi Krylov quantistici. Sebbene tali metodi possano offrire garanzie matematiche rigorose, richiedono spesso molte più risorse quantistiche — ovvero milioni di campioni in più o migliaia di gate più complessi — per raggiungere lo stesso livello di accuratezza sui piccoli sistemi testati. La capacità del nuovo metodo di disaccoppiare la misurazione quantistica dall'ottimizzazione classica conferisce una flessibilità di cui gli altri metodi mancano; i ricercatori possono sostituire il modello matematico per le interazioni elettroniche dopo che i dati sono stati raccolti, testando diverse teorie contro lo stesso esperimento quantistico.

Questo lavoro rappresenta una prova di principio piuttosto che una soluzione definitiva al problema degli elettroni fortemente correlati. I ricercatori riconoscono che la loro attuale dimostrazione è stata limitata a una piccola griglia 4 per 4, e che sistemi più grandi richiederanno tecniche di preparazione dello stato più avanzate. Tuttavia, il successo di questo algoritmo ibrido privo di feedback suggerisce una via percorribile. Usando il processore quantistico strettamente come uno strumento per generare uno stato specifico e difficile da creare, e lasciando poi che i computer classici facciano il lavoro pesante dell'ottimizzazione, il team ha dimostrato che il vantaggio quantistico nella scienza dei materiali potrebbe non richiedere le enormi macchine a correzione degli errori del lontano futuro. Invece, può essere raggiunto oggi, progettando attentamente algoritmi che rispettino i punti di forza unici sia dell'hardware quantistico che di quello classico, trasformando un disallineamento fondamentale di basi in una partnership complementare.

Sintesi Tecnica: Stati Fondamentali Esplicitamente Correlati con un Algoritmo Ibrido Variazionale Senza Feedback

Definizione del Problema
Descrivere accuratamente i sistemi elettronici fortemente correlati, come il modello di Fermi–Hubbard 2D, richiede la cattura delle dominanti correlazioni a corto raggio. I metodi esplicitamente correlati ottengono questo risultato aumentando uno stato di riferimento $|\phi\rangle$ con un correlatore diagonale $C$ (ad esempio, un fattore di Jastrow o di Gutzwiller). Tuttavia, sorge un fondamentale disallineamento di base: gli stati di riferimento altamente accurati per questi sistemi sono spesso compatti nello spazio dei momenti (ad esempio, Matrix Product States o MPS), mentre i correlatori diagonali motivati fisicamente operano naturalmente nello spazio reale. Gli algoritmi classici faticano a colmare questo divario; il Metodo Monte Carlo Variazionale (VMC) richiede l'accesso efficiente alle ampiezze nello spazio reale (che è $\#P$ -hard per gli MPS nello spazio dei momenti), mentre il metodo transcorrelato incorpora il correlatore nell'Hamiltoniana ma produce energie non variazionali e richiede calcoli biortogonali complessi.

Metodologia
Gli autori propongono un algoritmo ibrido quantistico-classico che decoppia la preparazione dello stato quantistico dall'ottimizzazione variazionale del correlatore, eliminando la necessità di un ciclo di feedback quantistico-classico. Il flusso di lavoro procede come segue:

Pre-computazione Classica: Un calcolo DMRG (Density Matrix Renormalization Group) transcorrelato nello spazio dei momenti genera un MPS a bassa dimensione di legame (bond-dimension) $|\phi\rangle$ . Questo stato viene ottimizzato in modo auto-consistente utilizzando una trasformazione di similitudine di tipo Gutzwiller ( $C_{tc} = e^{JD}$ ), producendo un'energia di riferimento non variazionale.
Esecuzione Quantistica: Un processore quantistico prepara l'MPS nello spazio dei momenti $|\phi\rangle$ . Successivamente, applica una trasformazione di Fourier fermionica ( $U_{FT}$ ) per ruotare lo stato nello spazio reale.
Misurazione: Lo stato ruotato viene misurato in basi fissate esclusivamente dai termini dell'Hamiltoniana (base di occupazione diagonale e basi di hopping). Crucialmente, questi circuiti di misurazione sono indipendenti dai parametri $\theta$ del successivo correlatore $C_\theta = \exp(\sum \theta_r D_r)$ .
Post-elaborazione Classica: I risultati grezzi della misurazione vengono calibrati utilizzando un programma quadratico per riprodurre i valori di aspettazione noti dall'MPS classico nello spazio dei momenti (ad esempio, $\langle D \rangle$ , $\langle T \rangle$ ). Questi campioni calibrati vengono poi utilizzati per valutare il funzionale dell'energia variazionale:
$E_{ec}(\theta) = \frac{\langle \phi | C_\theta H C_\theta | \phi \rangle}{\langle \phi | C_\theta^2 | \phi \rangle}$
I parametri $\theta$ sono ottimizzati interamente in modo classico per minimizzare questa energia. Poiché le basi di misurazione non dipendono da $\theta$ , lo stesso insieme di dati può essere riutilizzato per qualsiasi forma o parametro del correlatore.

Contributi Chiave

Ottimizzazione Variazionale Senza Feedback: A differenza dei classici algoritoli VQE (Variational Quantum Eigensolver) che richiedono aggiornamenti iterativi dei circuiti, questo metodo fissa tutti i circuiti quantistici prima dell'esecuzione. L'ottimizzazione variazionale avviene interamente nella post-elaborazione classica, consentendo l'esplorazione di arbitrari correlatori diagonali nello spazio reale (inclusi quelli ad alta dimensionalità di parametri) senza ulteriori esecuzioni quantistiche.
Risoluzione del Conflitto di Base: L'algoritmo sfrutta il processore quantistico per eseguire la rotazione computazionalmente costosa dallo spazio dei momenti allo spazio reale, consentendo l'uso di riferimenti MPS compatti nello spazio dei momenti con correlatori nello spazio reale.
Protocollo di Calibrazione: Un nuovo schema di calibrazione ricalibra i campioni di misurazione per corrispondere ai momenti di ordine inferiore del riferimento MPS, riducendo significativamente gli errori statistici e il bias senza richiedere una ricostruzione completa della funzione d'onda.

Risultati
L'algoritmo è stato dimostrato su un modello di Fermi–Hubbard 4 $\times$ 4 a riempimento dimezzato ( $U/t=4$ ) utilizzando il computer quantistico a ioni intrappolati Quantinuum H2-2 (32 qubit).

Prestazioni Hardware: Utilizzando un MPS a bond-dimension-4, l'energia post-selezionata grezza era $-11.49 \pm 0.49$ . Dopo la calibrazione, l'energia è migliorata a $-13.14 \pm 0.07$ , raggiungendo un errore relativo del $3.5 \pm 0.5\%$ rispetto allo stato fondamentale esatto.
Efficienza di Campionamento: Rispetto alla Quantum-Selected Configuration Interaction (QSCI), il metodo proposto ha richiesto significativamente meno campioni (circa $3.6 \times 10^4$ contro $\sim 2 \times 10^8$ ) per raggiungere un'accuratezza comparabile.
Efficienza dei Gate: Rispetto alla Quantum Krylov Subspace Diagonalization (QKSD), il metodo ha richiesto meno gate a due qubit (464 per il circuito di rotazione rispetto a 544 per QKSD per eguagliare la stessa accuratezza, e 696 rispetto a 22.304 per obiettivi di maggiore accuratezza).
Scalabilità: Lo studio suggerisce che per sistemi a riempimento dimezzato, il costo di campionamento scala come $\exp(cN)$ con $c < 0.1$ , sebbene questa rimanga un'ipotesi che richiede ulteriori verifiche.

Significato e Rivendicazioni
Gli autori pongono questo lavoro come una "prova di concetto" piuttosto che una dimostrazione di pieno vantaggio quantistico. Il significato risiede nel dimostrare una via percorribile per combinare i punti di forza dei metodi classici a reti tensoriali (riferimenti compatti nello spazio dei momenti) con l'hardware quantistico (rotazione esatta nello spazio reale) senza l'overhead dei cicli di feedback.

Il lavoro afferma che questo approccio offre un vantaggio distinto rispetto ad altri algoritmi senza feedback (come QSCI e QKSD) richiedendo meno risorse (campioni e gate) per il benchmark specifico testato. Evidenzia che, sebbene la stima dell'energia sia variazionale, gli osservabili derivati dal singolo stato $C|\phi\rangle$ sono più accurati di quelli derivati dai metodi transcorrelati biortogonali. Gli autori notano che il metodo è particolarmente adatto a regimi in cui il Quantum Monte Carlo a campo ausiliario soffre di problemi di segno (ad esempio, lontano dal riempimento dimezzato o in sistemi diluiti), a condizione che gli MPS a bassa bond-dimension rimangano stati di riferimento efficaci. Il lavoro conclude che, sebbene i limiti dell'hardware attuale limitino la dimensione del sistema, la natura priva di feedback e l'efficienza delle risorse rendono questo approccio un candidato promettente per la simulazione quantistica a breve termine di materiali fortemente correlati.

Articoli simili