Better accuracy with fewer qubits: Single-particle basis set optimization for quantum chemistry on quantum computers

Imagine que você está tentando resolver um quebra-cabeça enorme e intrincado, mas só tem uma caixinha pequena para guardar as peças. Esta é a realidade atual para os cientistas que tentam usar computadores quânticos para entender a química. Computadores quânticos são como motores superpotentes que poderão, um dia, ajudar a descobrir novos medicamentos ou materiais, mas, no momento, eles são um pouco "ruidosos" e frágeis. Eles não conseguem lidar com muitas peças ao mesmo tempo sem que toda a imagem se desfaça. Para fazer isso funcionar, os cientistas geralmente precisam jogar fora a maioria das peças do quebra-cabeça, mantendo apenas algumas para caber na caixa. O problema é que, quando você joga fora peças demais, a imagem resultante fica borrada e imprecisa. Você perde os detalhes finos que fazem a química funcionar.

O artigo sobre o qual você vai ouvir trata exatamente deste problema. Ele faz uma pergunta inteligente: em vez de tentar espremer um quebra-cabeça gigante em uma caixa pequena, e se redesenhássemos as próprias peças do que quebra-cabeça para serem menores, porém mais inteligentes? Os pesquisadores focaram em "conjuntos de bases" (basis sets), que são, essencialmente, os blocos de construção matemáticos que os cientistas usam para descrever como os elétrons se comportam ao redor dos átomos. Pense nisso como as formas das peças do quebra-cabeça. Normalmente, para obter uma imagem clara, você precisa de uma pilha enorme de peças complexas e de alta qualidade. Mas este artigo sugere que, se você remodelar cuidadosamente algumas peças simples, pode obter uma imagem tão clara (ou até mais clara) usando muito menos delas. Isso é um grande avanço porque significa que podemos realizar cálculos químicos precisos em computadores quânticos imperfeitos de hoje sem precisar de um milhão de peças que não cabem.

A História das Peças de Quebra-Cabeça Mais Inteligentes

Os autores deste artigo, Subimal Deb e V. S. Prasannaa, decidiram brincar de "ajustar e melhorar" com esses blocos de construção matemáticos. Eles começaram com o conjunto de peças mais simples e básico disponível, conhecido como "conjuntos de base mínima" (minimal basis sets). Estas são como o mínimo necessário de peças que você pode usar para descrever um átomo. O problema é que elas costumam ser um pouco rústicas, levando a resultados borrados.

Para corrigir isso, a equipe inventou uma "máquina de evolução" digital. Eles usaram um método inspirado na natureza chamado algoritmo genético. Imagine que você tem uma caixa de peças ligeiramente diferentes. Você testa todas para ver quais formam a melhor imagem. As "vencedoras" ganham o direito de ter "filhos" (novas versões feitas pela mistura de suas características), e as "perdedoras" são descartadas. Mas os autores não pararam por aí; eles adicionaram uma etapa de "refinamento", como um escultor que remove pequenos pedaços de pedra para tornar a peça perfeita. Eles chamaram todo esse processo de algoritmo memético.

Eles rodaram essa evolução digital em átomos variando de Hidrogênio a Flúor (pulando o Hélio, que é um caso um pouco especial). Eles começaram com as peças padrão e as evoluíram para novas versões superotimizadas que chamam de conjuntos de base MSTO-kG. O "k" no nome é apenas um número que representa quantas formas gaussianas minúsculas foram esmagadas juntas para formar uma única peça. Eles elevaram esse número até 11, criando peças muito mais detalhadas do que as originais, embora tenham mantido o mesmo número total de peças.

O Resultado Mágico: Melhores Imagens, Menos Peças

Aqui está a parte emocionante: como mantiveram o número de peças o mesmo, eles não precisaram de nenhum espaço extra na caixa do computador quântico. Mas, como as peças eram mais inteligentes, as imagens que construíram eram deslumbrantemente claras.

Quando testaram essas novas peças MSTO contra os conjuntos de alta qualidade usados pelos químicos (como o famoso conjunto 6-31G), os resultados foram surpreendentes. Para muitos átomos, seu novo e menor conjunto de peças produziu energias de estado fundamental (o nível de energia mais estável de um átomo) tão boas quanto, ou até melhores que, os conjuntos muito maiores e mais caros.

Por exemplo, quando observaram o átomo de Lítio, suas peças otimizadas superaram o desempenho do conjunto cc-pVQZ. Isso é algo grandioso, pois o cc-pVQZ é um conjunto "quadrupla zeta", o que significa que é uma coleção massiva e de alta definição. Os autores conseguiram resultados melhores usando um conjunto com o mesmo número de peças que o pequeno e básico conjunto minimal. É como obter uma imagem de qualidade de cinema 4K usando apenas alguns pixels, desde que esses pixels sejam pintados da maneira certa.

Eles também verificaram como essas novas peças funcionavam para moléculas (gruros de átomos grudados). Para a maioria das moléculas testadas, como o Hidreto de Lítio ou o Hidreto de Berílio, as novas peças tiveram um desempenho tão bom quanto os conjuntos padrão 6-31G. Houve um contratempo: a molécula de Hidrogênio ($H_2$) não funcionou tão bem com as novas peças, um achado que coincide com o que outros cientistas já observaram anteriormente. Mas, para quase tudo o mais, as novas peças foram vencedoras.

Por Que Isso Importa para o Futuro

O verdadeiro poder deste trabalho brilha quando você olha para o "custo" de realizar esses cálculos em um computador quântico. Computadores quânticos são medidos em "qubits" (a versão quântica dos bits) e "portas" (as operações que eles realizam). Quanto mais complexas forem as peças do quebra-cabeça, mais qubits e portas você precisará.

Os autores realizaram simulações para ver como suas novas peças MSTO se comparariam aos padrões para três algoritmos quânticos diferentes: VQE (usado em computadores ruidosos de hoje), QPE (um método futuro e mais poderoso) e HHL (outro algoritmo avançado).

Os resultados foram uma vitória massiva de eficiência. Para o átomo de Lítio, usar o conjunto de base MSTO-11G exigiu o mesmo número de qubits que o pequeno e básico conjunto, mas utilizou muito menos portas do que o grande conjunto 6-31G. Especificamente, eles precisaram de apenas cerca de 13% das portas de dois qubits exigidas pelo conjunto 6-31G e apenas 3% das portas necessárias para o ainda maior cc-pVDZ.

Pense da seguinte forma: se o método padrão exige que você dirija um caminhão pesado para entregar um pacote, o método dos autores permite que você use uma motocicleta elegante e rápida para entregar o mesmo pacote para o exato mesmo destino, mas com muito menos combustível e menos desgaste na estrada.

A Conclusão

Este artigo não afirma ter resolvido toda a química ou construído um computador quântico perfeito. Em vez disso, oferece um contorno muito prático e inteligente para as limitações que enfrentamos agora. Ao usar uma abordagem evolutiva inteligente para redesenhar os "blocos de construção" matemáticos dos átomos, os autores mostraram que podemos obter resultados de alta qualidade e precisão sem precisar de uma quantidade massiva de recursos quânticos.

Eles provaram que nem sempre você precisa de mais peças para obter uma imagem melhor; às vezes, você só precisa fazer as peças que você tem trabalhar um pouco mais. Isso abre as portas para simulações químicas mais precisas nos computadores quânticos que temos hoje e naqueles que virão em um futuro próximo, ajudando-nos a chegar mais perto da descoberta de novos fármacos e materiais sem esperar que a tecnologia se torne perfeita.