Grow, Compress, and Perturb: A Hybrid Quantum-Classical Pathway to Scalable Quantum Chemistry on Quantum Computers
Il documento introduce VULCAN, un framework ibrido quantistico-classico che combina la generazione di operatori priva di gradiente hamiltoniano tramite il Variational Double Bracket Flow, una strategia di ottimizzazione dei circuiti di tipo grow-then-compress e la teoria delle perturbazioni stocastiche di Epstein-Nesbet per raggiungere l'accuratezza chimica nelle simulazioni di chimica quantistica con costi di misurazione e requisiti di qubit significativamente ridotti rispetto ai metodi esistenti come il batched ADAPT-VQE.
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
La ricerca di una comprensione su come gli atomi si leghino per formare molecole è una delle sfide più fondamentali della scienza. Per le molecole semplici, i computer classici possono calcolare l'energia dei loro elettroni con grande precisione. Tuttavia, man mano che le molecole crescono o i loro elettroni interagiscono in modi complessi, la difficoltà matematica esplode. Il numero di possibili configurazioni elettroniche cresce così rapidamente che persino i supercomputer più potenti del mondo non riescono a risolvere le equazioni esattamente per molti importanti sistemi chimici. Questa limitazione ha a lungo bloccato il progresso nella progettazione di nuovi farmaci, materiali e combustibili.
I computer quantistici offrono un modo potenziale per aggirare questo muro. Invece di simulare gli elettroni con bit di informazione, queste macchine utilizzano qubit quantistici, che possono imitare naturalmente il comportamento degli elettroni. In teoria, un computer quantistico potrebbe modellare perfettamente l'energia di una molecola. Eppure, i computer quantistici disponibili oggi sono piccoli e soggetti a errori, una fase nota come era del rumore intermedio (noisy intermediate-scale era). Essi non possono eseguire i calcoli profondi e complessi richiesti per una precisione perfetta. Per lavorare con queste macchine imperfette, gli scienziati hanno sviluppato metodi ibridi che suddividono il lavoro tra un computer classico e uno quantistico. Il metodo più popolare, chiamato Variational Quantum Eigensolver, cerca di trovare lo stato di energia minima costruendo un modello matematico passo dopo passo. Tuttavia, questo processo è diventato un collo di bottiglia. I migliori metodi attuali richiedono al computer di effettuare migliaia di misurazioni per decidere quale passo compiere successivamente, un processo che è lento, rumoroso e spesso si blocca in errori locali prima di trovare la risposta vera.
Un team di ricercatori ha introdotto un nuovo approccio chiamato VULCAN per superare questi ostacoli. Il loro metodo cambia la strategia per costruire il modello quantistico. Invece di aggiungere un piccolo pezzo alla volta e fermarsi per misurare il gradiente di energia per decidere il pezzo successivo, VULCAN fa crescere il modello in grandi strati completi. Utilizza un'equazione di flusso matematica per generare un set specifico di blocchi costruttivi che siano garantiti come rilevanti per la molecola oggetto di studio. Aggiungendo un intero strato di questi blocoli in una sola volta, l'algoritmo elimina la necessità di misurare i gradienti di energia per selezionare gli operatori, riducendo drasticamente il numero di misurazioni richieste. Questo cambiamento permette al sistema di raggiungere una risposta con accuratezza chimica utilizzando solo una frazione delle risorse di misurazione dei metodi precedenti.
I ricercatori hanno testato questa strategia su una varietà di molecole, incluse catene di atomi di idrogeno e composti più complessi come l'acqua e il propene. Nelle loro simulazioni, il nuovo metodo ha raggiunto il livello di accuratezza desiderato utilizzando solo il 5-20 percento delle risorse di misurazione necessarie alla tecnica esistente leader. Per alcune delle forme molecolari più difficili e allungate, il miglioramento è stato ancora più drammatico. Il team ha inoltre sviluppato un modo per comprimere i circuiti quantistici, rimuovendo i passaggi non necessari per mantenere i calcoli abbastanza brevi per le macchine odierne, soggette a errori. Inoltre, hanno dimostrato che, per sistemi più grandi che richiedono più qubit di quelli forniti dall'hardware attuale, è possibile proiettare il problema su una versione più piccola e semplice della molecola senza perdere la fisica essenziale. Ciò ha permesso loro di risolvere un problema a 26 qubit su un registro simulato a 20 qubit, e persino di affrontare un sistema a 32 qubit dove i metodi precedenti non erano riusciti a raggiungere l'accuratezza necessaria.
Per gestire i rimanenti piccoli errori senza approfondire il circuito quantistico, il team ha aggiunto un passaggio finale eseguito interamente su un computer classico. Questo passaggio applica una correzione basata sulla teoria delle perturbazioni, una tecnica standard in fisica che stima l'influenza di piccole interazioni trascurate. Combinando il calcolo quantistico con questa correzione classica, hanno ottenuto l'accuratezza chimica per un sistema a 32 qubit in un singolo strato del circuito quantistico. Questo risultato suggerisce che la parte più difficile del calcolo può essere delegata ai processori classici, permettendo al computer quantistico di fare meno lavoro pur fornendo risultati precisi.
I risultati, derivati da simulazioni ad alte prestazioni su fino a 32 qubit logici, dimostrano che un'architettura diversa per la chimica quantistica è possibile. Il framework VULCAN scambia l'onere pesante delle misurazioni dei metodi attuali con una strategia che fa crescere la soluzione in strati, la comprime e termina con una correzione classica. Sebbene questi risultati siano attualmente basati su simulazioni prive di rumore e non siano ancora stati pienamente implementati sull'hardware fisico, essi forniscono un percorso chiaro su come i futuri computer quantistici potrebbero risolvere problemi chimici che sono attualmente fuori portata. Il lavoro suggerisce che, ripensando a come vengono costruiti gli algoritmi quantistici, gli scienziati possono fare un uso migliore delle risorse limitate disponibili sulle macchine odierne, portando la promessa della chimica quantistica più vicina alla realtà.
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.