Scalable nuclear shell model calculations on noisy quantum computers

De atoomkern is een dicht opeengepakte cluster van protonen en neutronen, bijeengehouden door krachten die veel complexer zijn dan eenvoudige aantrekking. Om te begrijpen hoe deze deeltjes zich rangschikken en welke energie zij bevatten, vertrouwen natuurkundigen op een wiskundig kader dat het nucleaire schaalmodel wordt genoemd. Dit model behandelt de kern enigszins als een gebouw met meerdere verdiepingen waar deeltjes specifieke energieniveaus, of "schillen", bezetten. Het berekenen van het exacte gedrag van deze deeltjes is echter een monumentale taak voor klassieke computers. Naarmate het aantal deeltjes groeit, explodeert het aantal mogelijke arrangementen die zij kunnen aannemen exponentieel. Stel je voor dat je probeert elk mogelijk manieren te tellen waarop een kaartspel geschud kan worden; voor een kleine kern is het aantal beheersbaar, maar voor grotere kernen wordt het aantal mogelijkheden zo groot dat zelfs de krachtigste supercomputers ter wereldgeheugen tekortkomen voordat ze de berekening kunnen voltooien. Deze flessenhals heeft wetenschappers er lang voor verhinderd om bepaalde instabiele, neutronenrijke kernen te bestuderen die de sleutel vormen tot het begrijpen van hoe de elementen in ons universum zijn gevormd.

Een team onderzoekers van het Indian Institute of Technology Roorkee heeft een nieuwe manier gevonden om door deze computationele doolhof te navigeren door de sterke punten van klassieke supercomputers te combineren met de opkomende kracht van quantumcomputers. In plaats van een quantumcomputer te vragen om de hele opdracht in één keer op te lossen — een taak die huidige machines niet aankunnen vanwege hun gevoeligheid voor ruis — gebruikten de onderzoekers het quantumapparaat voor een zeer specifieke, beperkte taak: sampling (steekproefverdeling). Ze behandelden de quantumcomputer als een hulpmiddel om een lijst te genereren van de belangrijkste deeltjesconfiguraties, of configuraties, die waarschijnlijk in de kern zullen bestaan. Zodra deze lijst was gemaakt, gaven ze deze terug aan een klassieke supercomputer, die het zware werk uitvoerde om de uiteindelijke energieniveaus te berekenen. Deze hybride aanpak, bekend als Sample-based Quantum Diagonalization, stelde hen in staat om de geheugenlimieten te omzeilen die normaal gesproken klassieke berekeningen stoppen, evenals de foutaccumulatie die andere quantummethoden teistert.

De onderzoekers testten hun methode eerst op een kern genaamd Argon-38, een systeem dat klein genoeg is om exact door traditionele computers te worden opgelost. Hun nieuwe techniek kwam exact overeen met de bekende resultaten, wat bevestigde dat de methode correct werkte. Vervolgens pasten ze het toe op een veel moeilijker geval: Magnesium-32. Deze kern is beroemd in de natuurkunde omdat hij zich op een manier gedraagt die de standaardregels van kernstructuur breekt. Hoewel het een aantal neutronen heeft dat het een stabiel, gesloten-schil systeem zou moeten maken, is het in werkelijkheid sterk vervormd en instabiel, een fenomeen dat voorkomt in een regio van de nucleaire kaart die bekend staat als het "Island of Inversion" (Eiland van Inversie). Om Magnesium-32 accuraat te beschrijven, moet men rekening houden met een enorm aantal deeltjesinteracties die betrokken zijn bij de gehele kern, en niet alleen bij de buitenste deeltjes.

Toen het team probeerde de energie van Magnesium-32 te berekenen met standaard klassieke methoden, liepen ze tegen een harde muur aan. Het geheugen van de computer raakte vol lang voordat de berekening kon worden voltooid, een beperking die bekend staat als een "out of memory"-fout. De klassieke supercomputer kon de enorme tabel met getallen die nodig is om het probleem op te lossen, niet opslaan. In contrast hiermee genereerde de nieuwe hybride methode succesvol een benaderde oplossing. Door de quantumcomputer te gebruiken om de meest relevante configuraties te selecteren en vervolgens het gereduceerde probleem op de klassieke machine op te lossen, verkreeg het team een grondtoestandsenergie voor Magnesium-32 die dichter bij de experimentele waarde lag dan de beste klassieke poging binnen dezelfde geheugenbeperkingen kon bereiken. De quantumbenadering bood niet alleen een theoretische mogelijkheid; het leverde een concreet resultaat waar de klassieke methode faalde.

De studie vergeleek hun methode ook met een andere populaire quantumtechniek genaamd de Variational Quantum Eigensolver. Hoewel die methode is ontworpen om de laagste energietoestand te vinden, vereist het dat de quantumcomputer herhaaldelijk diepe, complexe circuits draait en haar instellingen aanpast op basis van feedback. In de ruisige omgeving van huidige quantumhardware accumuleert dit proces fouten en duurt het een zeer lange tijd. De onderzoekers ontdekten dat hun samplingmethode aanzienlijk sneller en nauwkeuriger was. Voor de Magnesium-32 berekening produceerde de samplingmethode resultaten in enkele seconden, terwijl de andere quantumbenadering minuten of uren zou hebben geduurd en waarschijnlijk nog steeds aanzienlijke ruis zou hebben vertoond. Bovendien bleek de nieuwe methode robuust tegen de imperfecties van de hardware; zelfs wanneer de quantumcomputer fouten maakte in haar sampling, was de uiteindelijke klassieke berekening in staat om de ruis weg te filteren en toch een betrouwbaar antwoord te vinden.

Dit werk demonstreert dat we niet hoeven te wachten op perfecte, foutloze quantumcomputers om sommige van de moeilijkste problemen in de kernfysica op te lossen. Door quantumhardware strikt te gebruiken als een sampler om de belangrijkste delen van een probleem te identificeren, en het uiteindelijke rekenwerk aan klassieke machines over te laten, kunnen wetenschappers nu nucleaire systemen bestuderen die voorheen onmogelijk te bestuderen waren. De onderzoekers toonden aan dat voor een kern met 48 spin-orbitalen, een omvang die ervoor zorgt dat klassieke computers crashen, hun methode nog steeds een betekenend antwoord kon bieden. Hoewel de resultaten voor de grootste systemen nog niet volledig geconvergeerd waren vanwege het beperkte aantal metingen die beschikbaar waren op huidige apparaten, was de trend duidelijk: de methode schaalt efficiënt en vermijdt de geheugenbottlenecks die de voortgang decennialang hebben tegengehouden. Deze aanpak opent een praktisch pad naar het begrijpen van de structuur van exotische kernen, wat helpt bij het verfijnen van onze kennis over de krachten die materie bij elkaar houden en de oorsprong van de elementen.