Band structure of two-dimensional graphene and of one-dimensional nanoribbons via variational quantum algorithms: from energies to wavefunction quality

Il mondo della scienza dei materiali sta affrontando un enigma profondo: come comprendere il comportamento degli elettroni quando sono impacchettati strettamente e interagiscono ferocemente. Nei metalli e nei semiconduttori ordinari, gli elettroni si muovono come una folla calma e ordinata, e il loro comportamento può essere previsto con regole ben consolidate. Ma in certi materiali avanzati, gli elettroni si spingono e si attraggono così fortemente da creare stati della materia completamente nuovi, come i superconduttori che conducono elettricità senza resistenza o materiali che passano da isolanti a conduttori. Per comprendere questi fenomeni, gli scienziati devono risolvere equazioni complesse che descrivono la danza collettiva di miliardi di particelle. Fare questo su un computer standard è spesso impossibile perché il numero di possibilità cresce così velocemente che anche i supercomputer più potenti esauriscono la memoria. È qui che entra in gioco l'informatica quantistica. A differenza delle macchine classiche che elaborano le informazioni come semplici interruttori on-off, i computer quantistici utilizzano le leggi della fisica per memorizzare le informazioni in un modo che imita naturalmente il comportamento degli elettroni. Tuttavia, i computer quantistici disponibili oggi sono ancora in una fase iniziale e rumorosa. Sono soggetti a errori causati dal calore, dalle vibrazioni e dalle interferenze, che possono sconvolgere calcoli delicati prima che vengano completati.

In questo contesto, un team di ricercatori di università spagnole ha compiuto un passo significativo verso il rendere queste macchine utili per la scienza dei materiali del mondo reale. Hanno concentrato i loro sforzi sul grafene, un materiale composto da un singolo strato di atomi di carbonio disposti in un motivo a nido d'ape. Sebbene il grafene stesso sia un materiale semplice in cui gli elettroni non interagiscono fortemente, esso funge da perfetto banco di prova. I ricercatori volevano vedere se potevano utilizzare un computer quantistico rumoroso per mappare accuratamente i livelli di energia, o "struttura a bande", del grafene in due forme diverse: un foglio piatto bidimensionale e una stretta striscia unidimensionale nota come nanonastro. Questi nastri possono avere bordi frastagliati o bordi lisci e dritti, e la forma del bordo cambia il modo in cui gli elettroni si muovono. Simulando con successo questi sistemi non interagenti, il team mirava a dimostrare che i loro metodi potevano servire come una base affidabile per studi futuri su materiali molto più complessi e interagenti.

I ricercatori hanno sviluppato un workflow unico e flessibile per affrontare sia i fogli piatti che le strette strisce. Hanno iniziato traducendo la descrizione matematica degli elettroni nel grafene in un linguaggio che un computer quantistico potesse comprendere, convertendo il problema in una serie di operazioni su bit quantistici, o qubit. Per trovare lo stato di energia minima del sistema, hanno utilizzato un metodo chiamato Variational Quantum Eigensolver. Questo approccio funziona come una ricerca guidata: il computer quantistico prepara uno stato di prova, ne misura l'energia e poi un computer classico regola le impostazioni per cercare di trovare un'energia inferiore. Hanno ripetuto questo processo, raffinando le impostazioni finché non hanno trovato la configurazione più stabile. Per trovare gli stati di energia superiore, hanno utilizzato una tecnica chiamata Variational Quantum Deflation, che aggiunge una penalità alla ricerca se il computer tenta di trovare uno stato che ha già scoperto, costringendolo a cercare il livello successivo.

Il team ha testato il proprio metodo in tre modi diversi per garantire che i risultati fossero affidabili. Primo, hanno eseguito l'intero processo su una simulazione perfetta e priva di rumore per vedere quale sarebbe stato il risultato ideale. Secondo, hanno simulato il processo su un computer che includeva un modello realistico degli errori presenti nell'attuale hardware quantistico. Infine, hanno eseguito i calcoli su veri processori quantistici forniti da IBM. I risultati della simulazione perfetta erano quasi identici alle risposte esatte note, provando che la loro traduzione matematica e l'algoritmo erano corretti. Quando hanno introdotto il rumore nella simulazione, i valori di energia calcolati deviavano leggermente, ma la forma complessiva delle bande di energia rimaneva chiara e accurata. Le deviazioni erano piccole, ammontando solo a poche centesimi dell'unità di energia utilizzata per descrivere come gli elettroni saltano tra gli atomi.

Quando i ricercatori sono passati all'hardware reale, i risultati sono stati ancora più incoraggianti di quanto suggerissero le simulazioni rumorose per il caso più semplice. Per il foglio piatto di grafene bidimensionale, che richiedeva un solo qubit, il dispositivo ha prodotto risultati che corrispondevano alle previsioni teoriche con una precisione sorprendente. L'errore era così piccolo da essere dominato semplicemente dal rumore statistico derivante dal numero limitato di misurazioni, piuttosto che dall'hardware stesso. Questa è stata una scoperta cruciale perché ha dimostrato che, per sistemi semplici, le attuali macchine quantistiche sono già capaci di produrre dati di alta qualità. Tuttavia, la storia è cambiata leggermente quando hanno esaminato i nanonastri unidimensionali, che richiedevano più qubit e circuiti più complessi. In questo caso, i dispositivi reali hanno prodotto errori leggermente superiori a quanto previsto dal modello di rumore. I ricercatori hanno scoperto che gli errori non erano casuali; erano sistematici, spingendo i valori di energia verso il centro dello spettro. Ciò indicava che l'hardware introduceva tipi specifici di errori, come l'interferenza tra qubit vicini, che non erano stati pienamente catturati dai loro modelli di simulazione.

Una scoperta chiave del lavoro è stata come l'accuratezza del metodo cambiasse al crescere delle dimensioni del sistema. I ricercatori hanno scoperto che il numero di qubit necessari per descrivere un nanonastro cresce molto lentamente man mano che il nastro si allarga, il che è una scalabilità molto favorevole per le applicazioni future. Tuttavia, hanno anche scoperto un limite netto all'accuratezza. Se mantenevano il circuito quantistico semplice e poco profondo per evitare errori, i risultati erano buoni per sistemi piccoli ma diventavano meno accurati man mano che il sistema cresceva. Al contrario, se rendevano il circuito più profondo e complesso per cercare di catturare più dettagli, i risultati sull'hardware rumoroso peggioravano effettivamente. La maggiore profondità permetteva a più errori di accumularsi, sommergendo qualsiasi beneficio derivante dalla maggiore complessità. Questo ha dimostrato che sulle macchine odierne, la migliore strategia è utilizzare il circuito più superficiale possibile che il problema possa tollerare, piuttosto che cercare di costruire il circuito più potente che la fisica teoricamente permetterebbe.

Forse la parte più perspicace dello studio è stata come i ricercatori abbiano controllato non solo i numeri dell'energia, ma la qualità dello stato quantistico stesso. Si sono resi conto che un computer poteva talvolta trovare il valore energetico corretto per caso, anche se lo stato sottostante degli elettroni era errato. Per accertare ciò, hanno utilizzato uno strumento diagnostico per misurare quanta parte dello stato calcolato appartenesse effettivamente al gruppo corretto di stati fisici. Nelle simulazioni perfette, questo controllo ha confermato che il computer stava trovando gli stati corretti. Ma nell'ambiente rumoroso, hanno scoperto un sottile modo di fallimento: a volte il computer saltava un livello di energia e si stabilizzava su un altro, pur presentando un valore di energia che appariva ancora plausibile. Controllando direttamente lo stato, potevano vedere che il calcolo era fallito, un errore che guardando solo l'energia sarebbe passato inosservato. Questo diagnostico è stato particolarmente utile per identificare quando il computer faticava con gruppi di stati molto vicini tra loro in termini di energia, una caratteristica comune in questi materiali.

Lo studio conclude che, sebbene gli attuali computer quantistici non siano ancora in grado di risolvere autonomamente i problemi più difficili della scienza dei materiali, sono pronti a servire come punto di partenza controllato e affidabile. I ricercatori hanno dimostrato di poter mappare accuratamente il panorama energetico dei sistemi di grafene, fornendo una solida linea di base di stati di riferimento. Questi stati di riferimento sono essenziali per algoritmi più avanzati che affronteranno infine gli elettroni interagenti e complessi presenti nei superconduttori e in altri materiali esotici. Provando che il loro workflow funziona dalle simulazioni ideali fino all'hardware reale, e mostrando come diagnosticare e comprendere gli errori che si verificano lungo il percorso, il team ha tracciato una via chiara da seguire. Hanno dimostrato che, anche nell'era rumorosa dell'informatica quantistica, è possibile estrarre informazioni significative e di alta qualità sul mondo fisico, a patto di sapere esattamente come cercare e come interpretare ciò che la macchina sta comunicando.