Local minima in quantum systems

No mundo físico, a natureza é um otimizador implacável. Quando um objeto quente esfria, ele busca o estado de energia mais baixo possível, uma condição que os físicos chamam de estado fundamental. Esse processo é fundamental para como os materiais se formam, como as reações químicas ocorrem e como o universo se estabiliza. Durante décadas, cientistas tentaram usar computadores para prever esses estados de menor energia para sistemas complexos compostos por muitas partículas interagentes, como os elétrons em um novo material ou os átomos em uma proteína. No entanto, encontrar o ponto absolutamente mais baixo nesses sistemas é notoriamente difícil. É um problema tão difícil que até mesmo os computadores clássicos mais poderosos, os que usamos hoje, lutam para resolvê-lo em muitos casos interessantes. Além disso, o trabalho teórico sugere que encontrar estados fundamentais é QMA-hard, o que significa que é esperado que seja intratável até mesmo para computadores quânticos em alguns casos.

Essa dificuldade surge porque o cenário de possíveis estados de energia é frequentemente repleto de armadilhas. Imagine uma cordilheira onde um trilheiro deseja alcançar o vale mais profundo. Se o terreno for acidentado, o trilheiro pode ficar preso em uma pequena depressão rasa que parece o fundo à distância, mas que é na verdade muito mais alta que o verdadeiro chão do vale. Na física, essas depressões rasas são chamadas de mínimos locais. Quando a natureza resfria um sistema, ela frequentemente fica presa nesses mínimos locais em vez de encontrar o verdadeiro estado fundamental. É por isso que alguns materiais, como certas vidros magnéticos, nunca alcançam seu menor estado de energia teórico, mesmo após esfriarem por muito tempo. Em vez disso, eles se estabelecem em um estado que é estável, mas não o melhor possível.

Uma equipe de pesquisadores do California Institute of Technology, Google Quantum AI e Massachusetts Institute of Technology investigou agora este fenômeno de ficar preso em mínimos locais. Eles fizeram uma pergunta específica: se a natureza nem sempre consegue encontrar o estado fundamental perfeito, um computador pode encontrar um mínimo local em vez disso? E se sim, essa tarefa é mais fácil para um computador clássico ou para um quântico? O trabalho deles revela uma reviravolta surpreendente na história da otimização quântica. Eles descobriram que, embora encontrar um mínimo local seja trivial para um computador clássico sob um conjunto de regras, torna-se uma tarefa que é fácil para um computador quântico, mas difícil para um clássico, sob as regras que realmente governam como a natureza resfria as coisas.

Para entender a descoberta deles, deve-se primeiro distinguir entre duas maneiras pelas quais um sistema pode ser perturbado ou induzido. Os pesquisadores consideraram o primeiro tipo, que envolve mudar um sistema usando operações matemáticas reversíveis conhecidas como perturbações unitárias locais. Neste cenário, o cenário de energia é preenchido por um número esmagador de mínimos locais. Na verdade, quase qualquer estado aleatório do sistema é um mínimo local. Como existem tantos deles, um computador clássico pode facilmente encontrar um; é como caminhar em uma vasta planície plana onde cada passo é um mínimo local. O problema é tão fácil que é essencialmente trivial, mas não reflete como a natureza realmente funciona, porque a natureza resfria sistemas através de interações irreversíveis com um banho térmico, não através de truques matemáticos reversíveis.

Os pesquisadores então voltaram para o segundo tipo de perturbação, que mimetiza o processo físico real de resfriamento. Eles modelaram um sistema interagindo com um banho térmico, um reservatório de calor a uma temperatura específica. Neste cenário realista, o sistema evolui de forma irreversível, perdendo energia para o ambiente. Aqui, o cenário muda dramaticamente. Os pesquisadores provaram que, para um computador quântico, encontrar um mínimo local sob estas condições térmicas é eficiente. Eles desenvolveram um método chamado gradiente descendente térmico quântico, que mimetiza o processo de resfriamento. Ao seguir a direção onde a energia cai mais abruptamente, um computador quântico pode confiaravelmente encontrar um mínimo local em um tempo razoável, independentemente de onde comece.

A descoberta mais significativa, no entanto, diz respeito à dificuldade para computadores clássicos. Os pesquisadores construíram uma família específica de sistemas quânticos bidimensionais onde o estado fundamental codifica o resultado de um cálculo quântico complexo. Eles provaram que, para estes sistemas específicos, não existem "maus" mínimos locais. Cada mínimo local é, na verdade, um mínimo global, o que significa o estado fundamental. Isso cria um cenário de energia suave, em forma de tigela, onde o único lugar para ficar preso é no próprio fundo. Como encontrar o estado fundamental para esses sistemas é conhecido por ser uma tarefa que é fácil para computadores quânticos, mas difícil para computadores clássicos (assumindo que a computação quântica é mais poderosa que a clássica), os pesquisadores concluíram que encontrar um mínimo local nestes termos térmicos também é difícil para computadores clássicos. Se um computador clássico pudesse encontrar eficientemente um mínimo local aqui, isso implicaria que computadores clássicos poderiam simular qualquer cálculo quântico, uma possibilidade que a maioria dos especialistas acredita ser falsa.

Este trabalho estabelece uma separação clara entre as capacidades de máquinas clássicas e quânticas. Mostra que, enquanto computadores clássicos podem facilmente encontrar mínimos locais em cenários artificiais e reversíveis, eles encontram uma barreira quando confrontados com os processos térmicos e irreversíveis que governam o mundo real. Em contraste, computadores quânticos podem navegar nesses cenários térmicos de forma eficiente. O estudo sugere que o problema do mínimo local oferece uma nova via para a vantagem quântica. Em vez de tentar resolver o problema notoriamente difícil de encontrar o estado fundamental absoluto para cada sistema, os computadores quânticos podem encontrar eficientemente os estados estáveis de baixa energia que a natureza produz. Isso fornece um problema fisicamente relevante onde máquinas quânticas podem superar as clássicas, potencialmente ajudando cientistas a compreender o comportamento de materiais e sistemas químicos que até agora permaneceram fora de alcance.

Os pesquisadores também exploraram por que alguns sistemas ficam presos em estados subótimos enquanto outros não. Eles analisaram uma cadeia magnética simples e descobriram que, sem um campo magnético externo, o sistema pode ficar preso em muitas configurações diferentes com paredes de domínio, agindo como mínimos locais subótimos. No entanto, quando um campo externo forte é aplicado, essas armadilhas desaparecem e o sistema flui suavemente para o seu verdadeiro estado fundamental. Isso espelha o comportamento dos sistemas complexos que eles estudaram: a forma do cenário de energia determina se um sistema pode encontrar seu estado de menor energia ou se permanece preso. Suas descobertas sugerem que muitos sistemas físicos de interesse podem ter cenários de energia "bons", sem armadilhas subótimas, tornando-os candidatos ideais para algoritmos de otimização quântica que mimetizam o resfriamento natural.

Em última análise, este artigo reformula o desafio da otimização quântica. Ele se afasta do objetivo abstrato de encontrar o estado fundamental perfeito e foca na realidade prática de encontrar os estados estáveis nos quais a natureza se estabelece. Ao provar que esta tarefa é classicamente difícil (sob suposições padrão de complexidade), mas quânticamente fácil, os pesquisadores identificaram um problema concreto onde computadores quânticos podem demonstrar sua superioridade. Isto não é apenas uma curiosidade teórica; aponta para um futuro onde máquinas quânticas podem resolver problemas em física e química que são atualmente intratáveis, seguando os mesmos princípios de resfriamento que o universo tem usado desde o seu início.