Resumo interno:
- Os pesquisadores desenvolveram uma estrutura híbrida quântica-clássica para resolver o Modelo Anderson de Impureza Única (SIAM), um modelo importante para a compreensão do comportamento dos elétrons em materiais altamente correlacionados.
- Ao utilizar a computação quântica para calcular a função de Green e a computação clássica para gerir tarefas menos exigentes, a investigação mostra como esta abordagem pode reduzir os desafios computacionais.
- O experimento identificou uma transição de fase quântica no modelo de Hubbard, que mostra como os materiais mudam de estados metálicos para estados isolantes com base na energia de interação dos elétrons.
- Embora promissoras, as pesquisas admitem limitações como o número atual de qubits em processadores quânticos e taxas de erro, que exigem o desenvolvimento de simulações complexas.
O Modelo Anderson de Impureza Única (SIAM) tem sido a base para a compreensão de como as impurezas afetam o comportamento dos elétrons em materiais quânticos. A resolução deste modelo pode fornecer insights profundos sobre a ciência dos materiais, mas a sua complexidade tornou-o um grande desafio para os computadores clássicos. Num estudo recente publicado em Cartas de revisão físicapesquisadores do Instituto de Ciência e Engenharia Quântica de Shenzhen apresentaram uma abordagem híbrida quântica-clássica para resolver esse problema diretamente. Ao combinar a computação quântica e algoritmos clássicos, eles desenvolveram uma estrutura para resolver SIAM – um novo método para modelar interações de elétrons em materiais altamente correlacionados. Segundo a pesquisa, esta pesquisa pode melhorar nossa capacidade de analisar sistemas quânticos complexos, adequados para áreas como ciência de materiais, química computacional, entre outras.
O modelo de Anderson e por que os métodos antigos falham
Conforme destacado no estudo, compreender o comportamento dos elétrons em materiais altamente interconectados representa um grande desafio para os cientistas. Esses materiais, onde as interações elétron-elétron são importantes, desempenham um papel importante em aplicações que vão desde supercondutores até baterias de alta eficiência. Os métodos tradicionais, como a teoria do funcional da densidade (DFT), muitas vezes falham porque assumem o comportamento de um elétron independente, uma suposição que fica aquém em sistemas altamente correlacionados. Para lidar com isso, os pesquisadores usaram uma abordagem híbrida quântica-clássica, utilizando computadores quânticos para gerenciar os aspectos mais ativos. Especificamente, eles usaram um processador de ressonância magnética nuclear quântica (NMR) de cinco graus para calcular a função de Green, uma importante construção matemática usada para estudar o comportamento dos elétrons, que os computadores mais antigos lutavam para integrar bem.
Central para esta pesquisa é o Modelo Anderson de Impureza Única (SIAM), um modelo teórico que descreve a interação entre impurezas localizadas e o “banho” de elétrons de condução. Este modelo é importante para a compreensão de materiais onde pequenas impurezas podem afetar significativamente propriedades como condutividade e magnetismo. Como observa o estudo, o SIAM é um dos modelos mais simples da mecânica quântica, mas os métodos clássicos tornam-se incontroláveis à medida que o número de orbitais relativísticas aumenta. A abordagem híbrida quântica-clássica brilha através do uso de um computador quântico para resolver um problema de uso intensivo de recursos – a função de Green – permitindo que os computadores clássicos lidem com as tarefas restantes, reduzindo significativamente a carga geral de computação.
Examinando a tentação
Embora métodos híbridos quânticos-clássicos tenham sido explorados teoricamente, este estudo representa uma implementação bem-sucedida de experimentos físicos. Os pesquisadores combinam algoritmos quânticos e clássicos usando um ciclo de feedback, permitindo que ambos os sistemas se comuniquem continuamente e refinem seus resultados. Este método de replicação permitiu à equipa ver um dos resultados mais emocionantes da investigação – uma transição de fase quântica no famoso modelo de Hubbard, onde o material transita de um estado metálico para uma fase de blindagem à medida que a energia do eletrão aumenta. A simulação de tais transições é importante para o desenvolvimento de materiais com propriedades elétricas específicas, incluindo supercondutores e semicondutores.
O experimento, realizado usando um processador quântico de RMN de cinco qubits, envolveu um computador quântico calculando a função de Green enquanto o computador clássico atualizava os parâmetros do “banho” (representando o ambiente ao redor da impureza). Este processo foi repetido até que o sistema atingisse uma solução consistente. Ao ajustar a força da interação dos elétrons, a equipe viu como uma interação fraca resultava em um estado metálico com fluxo de elétrons, enquanto uma interação forte causava uma transição para um isolante de gás Mott, onde o movimento dos elétrons era bloqueado devido à repulsão.
Este experimento destaca o potencial dos sistemas de computação quântica à medida que mais qubits são adicionados aos processadores quânticos. Como demonstrou a equipa de investigação, a crescente tecnologia quântica pode permitir simular modelos muito complexos, como cristais com milhares de átomos ou estruturas moleculares complexas, o que abre caminho para desenvolvimentos futuros na utilização da computação quântica.
Perspectivas e desafios para sistemas híbridos quânticos-clássicos
A equipe enfatiza que esta pesquisa pode servir como um passo promissor para a integração da computação quântica em aplicações práticas. Embora os computadores quânticos ainda estejam na era quântica — propensos a erros e limitados pelo número de qubits — esta abordagem híbrida mostra que os dispositivos quânticos podem resolver partes do problema que vão além das capacidades dos sistemas clássicos. À medida que o número de qubits em processadores quânticos aumenta, também aumenta a gama de problemas que os investigadores podem resolver, com implicações para a física da matéria condensada, ciência dos materiais, medicina e muito mais.
No entanto, os investigadores notaram várias limitações que devem ser abordadas nesta abordagem híbrida para atingir o seu pleno potencial. O número limitado de qubits nos dispositivos quânticos atuais limita a complexidade dos modelos que podem ser criados. Neste estudo, cinco processadores quânticos foram suficientes para demonstrar os princípios básicos, mas serão necessários sistemas muito maiores para realizar simulações complexas. Além disso, os computadores quânticos estão sujeitos a erros em procedimentos como a estimativa da função de Green, o que pode afetar a precisão dos resultados ao longo do tempo. Superar esses desafios – por meio de melhor correção de erros, melhor controle de qubit e maior precisão – será necessário para estender o uso de sistemas híbridos quânticos-clássicos a problemas ainda mais complexos e computacionalmente exigentes.
Uma perspectiva futura sobre a convergência quântica-clássica
Conforme mostrado no estudo, uma abordagem híbrida quântica clássica para resolver o Modelo Anderson de Impureza Única pode ser uma solução viável para um desafio de longo prazo na compreensão de matéria altamente correlacionada. Ao usar um computador quântico para abordar os aspectos computacionalmente intensivos do problema, que dependem de cálculos clássicos para fazer o que fazem de melhor, esta abordagem poderia reduzir a carga sobre os sistemas clássicos, ao mesmo tempo que introduzia uma análise mais eficiente do comportamento dos elétrons. Detalhes de pesquisa sobre transições de fase quântica, particularmente no modelo de Hubbard, são necessários para desenvolver materiais com propriedades elétricas específicas. À medida que a tecnologia quântica continua a evoluir, as estruturas quânticas clássicas combinadas podem fornecer uma solução mais eficiente para problemas relacionados à ciência dos materiais e à química computacional.
Os autores que contribuíram para este estudo incluem Xinfang Nie, Xuanran Zhu, Yu-ang Fan, Xinyue Long, Hongfeng Liu, Keyi Huang, Cheng Xi, Liangyu Che, Yuxuan Zheng, Yufang Feng, Xiaodong Yang e Dawei Lu.
