Quantum-compatible Riemannian conjugate gradient for ground-state preparation

Het vinden van de laagste energietoestand van een fysisch systeem is een fundamentele uitdaging in de wetenschap, een uitdaging die onderzoekers helpt te begrijpen hoe chemicaliën reageren, hoe nieuwe materialen zich gedragen en hoe complexe logistieke puzzels kunnen worden opgelost. In de kwantumwereld staat deze taak bekend als grondtoestandsvoorbereiding (ground-state preparation). Stel je een landschap voor van heuvels en dalen waarbij de hoogte de energie vertegenwoordigt; het doel is om het diepste dal te vinden, het absolute laagste punt. Voor veel systemen is deze zoektocht zo moeilijk dat zelfs de krachtigste klassieke computers moeite hebben om het op te lossen. Kwantumcomputers bieden echter een unieke manier om dit terrein te navigeren, waarbij ze potentieel veel sneller deze oplossingen kunnen vinden. Om dit te doen, gebruiken wetenschappers algoritmen die fungeren als een wandelaar die een berg afdaalt, stappen onderneemt die hun hoogte zo snel mogelijk verlagen. De uitdaging ligt in het ontwerpen van deze stappen zodat ze efficiënt genoeg zijn om te draaien op echte kwanthardware, die momenteel fragiel is en beperkt is in het aantal operaties dat het kan uitvoeren voordat fouten binnensluipen.

Een recente studie door een team van onderzoekers introduceert een nieuwe methode om deze kwantumwandelaars te begeleiden, met als doel de bodem van de energievallei efficiënter te bereiken dan voorheen. De onderzoekers concentreerden zich op een specif type kwantumalgoritme dat gebruikmaakt van de geometrische vorm van de ruimte waarin kwantumtoestanden leven om te beslissen in welke richting te bewegen. Eerdere benaderingen in dit gebied vertrouwden op een strategie die vergelijkbaar is met de steilste daling (steepest descent), waarbij het algoritme simpelweg naar de onmiddellijke helling kijkt en een stap recht naar beneden zet. Hoewel effectief, kan deze methode traag zijn, omdat het algoritme vaak heen en weer over de dalbodem kan zigzaggen voordat het eindelijk de bodem bereikt. Het nieuwe werk stelt een slimmere aanpak voor genaamd kwantum-conjuugde gradiëntafdaling (quantum conjugate gradient descent). In plaats van alleen naar de onmiddellijke helling te kijken, onthoudt deze methode de richting van de vorige stap. Door de huidige neerwaartse helling te combineren met het geheugen van waar het vandaan kwam, kan het algoritme een directer pad nemen, waardoor het inefficiënt zigzaggen wordt vermeden en het lagere energietoestanden bereikt in minder stappen.

De onderzoekers testten deze nieuwe methode door deze te simuleren op een specifiek type magnetisch systeem dat bekend staat als het Heisenberg-model, dat ketens van kwantumdeeltjes omvat. Ze vergeleken hun nieuwe algoritme met de bestaande standaard, die de methode van de steilste daling gebruikt. In deze simulaties vond de nieuwe methode consequent lagere energietoestanden sneller. Bijvoorbeeld, bij het werken met systemen van twintig kwantumdeeltjes, was het nieuwe algoritme in staat om in slechts twee stappen een hoog niveau van nauwkeurigheid te bereiken, terwijl de oudere methode drie stappen nodig had om een vergelijkbaar resultaat te behalen. Dit verschil lijkt misschien klein, maar in de wereld van kwantumcomputing voegt elke extra stap aanzienlijke complexiteit toe. De circuits die nodig zijn om deze algoritmen uit te voeren, worden langer en ingewikkelder met elke stap, waardoor ze moeilijker uit te voeren zijn op echte hardware zonder fouten. Door de doelnauwkeurigheid in minder stappen te bereiken, vermindert de nieuwe methode effectief de totale lengte van het circuit dat nodig is, wat een cruciaal voordeel is voor de vroege generaties fouttolerante kwantumcomputers die momenteel worden ontwikkeld.

Echter, deze verbetering gaat gepaard met een afruil. Hoewel de nieuwe methode het doel in minder stappen bereikt, is elke individuele stap complexer om te bouwen. De onderzoekers ontdekten dat een enkele stap in hun nieuwe algoritme meer kwantumoperaties en een dieper circuit vereiste dan een enkele stap in de oudere methode. Als men de twee algoritmen stap voor stap zou vergelijken zonder rekening te houden met het uiteindelijke resultaat, zou de nieuwe methode duurder lijken. Toch, toen de onderzoekers de twee methoden vergeleken op basis van hoe dicht ze bij de ware laagste energietoestand kwamen, bleek de nieuwe methode superieur. Ze vonden dat het nieuwe algoritme de nauwkeurigheid van het driestaps-proces van de oudere methode kon evenaren met slechts twee van zijn eigen stappen. Daarbij gebruikte het ongeveer 36 procent van de kwantumpoorten en ongeveer 40 procent van de circuitdiepte die nodig was voor de oudere methode om hetzelfde niveau van precisie te bereiken. Dit suggereert dat de extra complexiteit van een enkele stap de winst die wordt behaald door minder stappen nodig te hebben, ruimschoots waard is.

De studie onderzocht ook hoe de nieuwe methode zich gedraagt met verschillende startpunten. De onderzoekers begonnen hun simulaties met twee verschillende soorten initiële toestanden: één die een eenvoudige, gestructureerde rangschikking van deeltjes was en een andere die een complexere, vooraf geoptimaliseerde gok was. In beide gevallen presteerde het nieuwe algoritme beter dan het oudere, waarbij het consequent meer van de overtollige energie verwijderde en een hogere nauwkeurigheid bereikte. De verbetering was bijzonder merkbaar bij het starten vanaf de eenvoudigere initiële toestand, waar de nieuwe methode een aanzienlijk voordeel liet zien in het bereiken van de doelenergie. De onderzoekers merkten op dat hoewel de nieuwe methode zeer effectief is in deze simulaties, het geen gegarandeerde oplossing is voor elk mogelijk probleem. De prestaties hangen af van het specifieke systeem dat wordt bestudeerd en de parameters die voor de zoektocht zijn gekozen. Desalniettemin bieden de resultaten sterk bewijs dat het integreren van geheugen in kwantumoptimalisatiestrategieën kan leiden tot aanzienlijke praktische voordelen.

Dit werk vertegenwoordigt een belangrijke stap voorwaarts in het aanpassen van klassieke optimalisatietechnieken voor de kwantumwereld. Door het succesvol vertalen van het concept van conjuugde gradiëntafdaling — een methode die decennialang in de klassieke informatica is verfijnd — naar een formaat dat kwantumcomputers kunnen gebruiken, hebben de onderzoekers een nieuwe weg geopend voor het verbeteren van kwantumalgoritmen. De bevindingen suggereren dat naarmate kwanthardware volwassener wordt, algoritmen die kunnen leren van hun vorige bewegingen steeds waardevoller zullen worden. Deze door geheugen versterkte methoden zouden wetenschappers in staat kunnen stellen om complexe problemen in chemie en materiaalkunde met grotere efficiëntie op te lossen, waardoor ze het maximale kunnen halen uit de beperkte middelen die beschikbaar zijn op vroege kwantummachines. De studie beweert niet de grondtoestandsvoorbereiding volledig te hebben opgelost, maar demonstreert een duidelijke weg naar efficiëntere en krachtigere kwantumalgoritmen, en biedt een veelbelovend instrument voor de volgende generatie kwantumonderzoek.