⚛️ quantum physics

Variational Quantum Algorithms for Hyperelasticity: Incorporating Nonlinear Constitutive Behavior

Este artigo estende uma estrutura de Algoritmo Quântico Variacional para resolver problemas de hiperelasticidade incompressível unidimensional com comportamentos constitutivos não lineares envolvendo potências racionais de deformação, transformando esses termos por meio de variáveis auxiliares e restrições de penalidade, e aumenta ainda mais a precisão da solução através de uma estratégia de correção iterativa.

Autores originais: Uditnarayan Kouskiya, Caglar Oskay

Publicado 2026-08-20

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Uditnarayan Kouskiya, Caglar Oskay

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine um mundo onde os materiais ao nosso redor — elásticos, pneus de carros, o tecido mole em nossos corpos — pudessem ser modelados com precisão perfeita em um computador. Engenheiros e cientistas há muito dependem de computadores clássicos para prever como esses materiais se esticam, se comprimem e retornam à forma original sob pressão. No entanto, esses materiais costumam se comportar de maneiras complexas e não lineares, o que significa que um pequeno empurrão nem sempre resulta em um movimento proporcionalmente pequeno. Resolver a matemática por trás desses comportamentos é notoriamente difícil, especialmente ao tentar simulá-los em computadores de próxima geração: as máquinas quânticas. Elas são excelentes em lidar com linhas retas e relações simples, mas tropeçam nas curvas e torções da realidade.

Este é o desafio que Uditnarayan Kouskiya e Caglar Oskay, pesquisadores da Universidade Vanderbilt, se propuseram a enfrentar. Eles estão trabalhando na interseção entre a engenharia civil e a computação quântica, um campo que busca usar as estranhas regras da mecânica quântica para resolver problemas de design estrutural. O objetivo deles era estender um novo método que haviam desenvolvido anteriormente para lidar com a matemática desordenada e não linear de materiais semelhantes à borracha. Especificamente, eles queriam ver se a abordagem deles poderia funcionar para materiais que seguem regras complexas envolvendo potências fracionárias, uma descrição matemática comum em modelos para borracha e tecidos biológicos. Os pesquisadores não construíram um computador quântico físico para este estudo; em vez disso, executaram simulações sofisticadas em um computador clássico que imita o comportamento de uma máquina quântica. O trabalho serve como uma prova de conceito, demonstrando que uma estratégia específica pode fazer a ponte entre a lógica rígida dos algoritmos quânticos e a realidade flexível dos materiais hiperelásticos.

O cerne do trabalho dos pesquisadores envolve uma técnica chamada Algoritmo Quântico Variacional. Em termos simples, esta é uma forma de usar um computador quântico para encontrar o estado de menor energia de um sistema, o que corresponde à forma mais estável que um material assumirá sob uma determinada carga. Os pesquisadores transformaram a descrição matemática da energia de um material em uma "função de custo", uma pontuação que o computador quântico tenta minimizar. O problema é que as equações para esses materiais semelhantes à borracha frequentemente contêm potências que são frações ou números negativos, que os circuitos quânticos atuais não conseguem processar diretamente. Para contornar isso, a equipe introduziu um truque inteligente. Eles adicionaram "variáveis auxiliares", que são essencialmente números de apoio que substituem as partes fracionárias difíceis da equação. Eles então adicionaram uma "penalidade" ao sistema: se o número de apoio não correspondesse perfeitamente à parte difícil da equação, a pontuação de custo subiria. Isso força o computador quântico a encontrar uma solução onde a variável de apoio e a matemática difícil se alinhem, efetivamente traduzindo o problema complexo para uma forma que a máquina quântica possa entender.

No entanto, essa tradução é uma aproximação e, como qualquer aproximação, introduz um pequeno erro. Para corrigir isso, os pesquisadores desenvolveram uma segunda etapa em seu processo: uma estratégia de correção iterativa. Uma vez que o computador quântico encontra uma solução inicial e bruta, os pesquisadores usam esse resultado para calcular um campo de "correção". Eles então executam o algoritmo quântico novamente, desta vez pedindo os pequenos ajustes necessários para melhorar a primeira resposta. Eles repetem esse ciclo, com cada rodada refinando a solução e aproximando-a do verdadeiro comportamento físico do material. É um pouco como sintonizar um rádio: primeiro você encontra a estação geral e depois faz pequenos ajustes no botão até que o estático desapareça e o sinal fique nítido.

A equipe testou essa abordagem de duas etapas em três modelos diferentes de materiais semelhantes à borracha, incluindo o modelo Ogden e o modelo Mooney–Rivlin, que são formas padrão pelas quais engenheiros descrevem como essas substâncias se deformam. Eles simularam uma tira unidimensional de material, de um milímetro de comprimento, sujeita a forças e condições de contorno específicas. Usando um sistema quântico simulado com três qubits — as unidades básicas de informação quântica — eles executaram seu algoritmo. Os resultados mostraram que o método inicial baseado em penalidades forneceu uma estimativa decente, mas o processo de correção iterativa melhorou significativamente a precisão. Para o modelo Mooney–Rivlin, o erro caiu de mais de quatro por cento para menos de meio por cento após apenas algumas rodadas de correção. Os pesquisadores descobriram que, embora o primeiro palpite fosse frequentemente próximo, as correções subsequentes eram essenciais para capturar os detalhes finos do comportamento do material.

O estudo conclui que este método é viável para os tipos específicos de não linearidades que testaram, mas também destaca os limites da tecnologia atual. Os pesquisadores observaram que, embora seu método funcione bem para os exemplos unidimensionais simples que escolheram, cenários do mundo real mais complexos, envolvendo múltiplas dimensões e comportamentos materiais intrincados, exigiriam mais qubits e um tratamento mais sofisticado das variáveis auxiliares. Eles não alegaram ter resolvido o problema de simular todos os materiais em computadores quânticos, nem sugeriram que este método esteja pronto para uso industrial imediato. Em vez disso, apresentaram uma demonstração clara e passo a passo de que uma combinação de restrições de penalidade e refinamento iterativo pode tornar os algoritmos quânticos úteis para uma classe de problemas de engenharia difíceis que antes estavam fora de alcance. O trabalho representa um passo significativo para mostrar como a computação quântica poderá, um dia, ajudar engenheiros a projetar estruturas mais seguras e eficientes ao compreender a física complexa dos materiais que utilizam.

Resumo Técnico: Algoritmos Quânticos Variacionais para Hiperelasticidade com Comportamento Constitutivo Não Linear

Definição do Problema
O artigo aborda o desafio de resolver problemas de valor de contorno elastostáticos não lineares utilizando hardware quântico de curto prazo (near-term). Embora avanços recentes tenham motivado algoritmos quânticos para equações diferenciais, dois obstáculos primários persistem: muitos algoritmos com fortes garantias teóricas exigem hardware tolerante a falhas, e a estrutura linear da evolução do estado quântico complica o tratamento de equações diferenciais não lineares. Especificamente, este trabalho visa materiais hiperelásticos regidos por modelos constitutivos que envolvem potências racionais da deformação (stretch) (por exemplo, potências fracionárias e inversas), que são comuns em modelos como as formulações de Ogden e Mooney–Rivlin. Essas não linearidades são difíceis de representar diretamente dentro da estrutura de circuito raso do Algoritmo Quântico Variacional (VQA) proposto anteriormente para não linearidades lineares ou logarítmicas.

Metodologia
Os autores estendem um framework VQA proposto anteriormente para hiperelasticidade 1D para lidar com não linearidades constitutivas envolvendo potências racionais. A metodologia consiste em três componentes principais:

Reformulação como uma Função de Custo: O problema elastostático é reformulado pela discretização do funcional de energia potencial, $E[u]$ , e codificando os graus de liberdade de deslocamento em um estado quântico $|u\rangle = \theta_0 \hat{V}(\theta)|0\rangle$ . Aqui, $\hat{V}(\theta)$ é um circuito quântico parametrizado (ansatz), e a energia potencial serve como a função de custo $C(\theta_0, \theta)$ a ser minimizada.
Aproximação Polinomial via Métodos de Penalidade: Uma vez que as primitivas quânticas atuais (especificamente Unidades de Processamento Não Linear Quântica ou QNPUs) podem avaliar eficientemente operações polinomiais, mas não potências racionais arbitrárias, a densidade de energia de deformação $W(\lambda)$ é aproximada como uma soma de termos de potência. Para eliminar potências fracionárias ou inversas (por exemplo, $\lambda^{p}$ onde $p \in \mathbb{Q}$ ), variáveis auxiliares $y$ são introduzidas para impor restrições como $y = \lambda^{p}$ . Essas restrições são incorporadas à energia potencial total via um termo de penalidade:
$\tilde{E}[u, y] = E[u, y] + \frac{\beta}{2} \int_{\Omega_0} (y^b - \lambda^a)^2 dX$
Isso transforma o problema na minimização de uma função de custo polinomial compatível com o VQA.
Estratégia de Correção Iterativa: Reconhecendo que a formulação de penalidade introduz erros de aproximação (devido à aproximação polinomial e ao parâmetro de penalidade $\beta$ ), os autores introduzem um esquema de correção iterativa. Partindo de uma solução aproximada $\tilde{u}$ , busca-se um campo de correção $\delta u$ tal que $u = \tilde{u} + \delta u$ . Ao realizar uma expansão de Taylor da densidade de energia de deformação em torno da aproximação atual, uma nova função de custo é construída para o termo de correção. Este problema de correção é resolvido através de uma sequência de VQAs, atualizando a solução iterativamente ( $u^{(k+1)} = u^{(k)} + \delta u^{(k)}$ ) para melhorar a precisão.

Principais Contribuições

Extensão do Framework VQA: O trabalho estende o framework VQA de não linearidades lineares e logarítmicas para uma classe mais ampla de modelos constitutivos envolvendo potências racionais da deformação, demonstrando especificamente a aplicabilidade aos modelos incompressíveis de Ogden e Mooney–Rivlin.
Variável Auxiliar e Formulação de Penalidade: O artigo propõe um método para lidar com termos constitutivos não polinomiais através da introdução de variáveis auxiliares e restrições de penalidade, tornando o funcional de energia compatível com as primitivas algorítmicas quânticas disponíveis.
Algoritmo de Correção Iterativa: Uma estratégia de correção iterativa inovadora é introduzida para mitigar os erros inerentes à aproximação baseada em penalidade, refinando sistematicamente a solução através de uma sequência de resoluções de VQA.

Resultados
A abordagem proposta foi validada usando simulações de estado vetorial (statevector) no Qiskit para modelos de Ogden incompressíveis unidimensionais (com parâmetros $\alpha=2$ e $\alpha=3$ ) e um modelo de Mooney–Rivlin.

Precisão: O procedimento de correção iterativa melhorou significativamente a precisão das soluções baseadas em penalidade para todos os modelos testados. Os erros relativos $L_2$ em relação às soluções analíticas foram substancialmente reduzidos após cinco iterações. Por exemplo, o modelo de Mooney–Rivlin mostrou uma redução de erro de 4,27% (apenas penalidade) para 0,49% (iterativo).
Convergência: Observou-se que o processo de refinamento torna-se cada vez mais difícil de otimizar à medida que a solução se aproxima da resposta analítica, levando os autores a encerrar o processo após cinco iterações, ponto no qual ganhos substanciais de precisão já haviam sido alcançados.
Implementação: As simulações utilizaram um sistema de 3 qubits ( $N_q=8$ ) com uma profundidade de circuito de $d=4$ .

Significância e Alegações
O artigo posiciona este trabalho como uma "prova de conceito", demonstrando que os VQAs podem ser adaptados para resolver problemas de hiperelasticidade não linear envolvendo leis de potência racional, uma classe de problemas anteriormente difícil de abordar com algoritmos quânticos de curto prazo. Os autores alegam que a combinação de aproximação baseada em penalidade e correção iterativa oferece um caminho viável para melhorar a precisão da solução sem exigir hardware tolerante a falhas.

Os autores mantêm-se modestos quanto ao escopo, observando que, embora os exemplos atuais exijam apenas uma única variável auxiliar, modelos constitutivos mais complexos envolvendo múltiplos termos de potência fracionária exigiriam variáveis adicionais e uma implementação quântica mais dispendiosa. Além disso, o trabalho é atualmente limitado a problemas unidimensionais; os autores identificam a extensão para problemas de dimensões superiores e o tratamento de malhas não estruturadas como direções futuras críticas necessárias para aproveitar plenamente as capacidades do método de elementos finitos em um contexto quântico. O artigo não reivindica uma vantagem exponencial para esses exemplos 1D específicos, mas observa que a análise de complexidade segue condições análogas ao trabalho anterior em relação a potenciais vantagens.

Mais como este