Predecir el comportamiento de muchas partículas cuánticas que interactúan es un proceso complejo pero clave para aprovechar la computación cuántica para aplicaciones del mundo real. Una colaboración de investigadores liderada por la EPFL ha desarrollado una forma de comparar algoritmos cuánticos e identificar qué problemas cuánticos son los más difíciles de resolver.
Desde partículas subatómicas hasta moléculas complejas, los sistemas cuánticos contienen la clave para comprender cómo funciona el universo. Pero hay un problema: cuando intentas modelar estos sistemas, la complejidad rápidamente se sale de control; imagina que tratar de predecir el comportamiento de una gran multitud de personas es donde todos impresionan constantemente a los demás. Conviértalos en partículas cuánticas y ahora tendrá el “problema cuántico de muchos cuerpos”.
Los problemas cuánticos de muchos cuerpos son intentos de predecir el comportamiento de una gran cantidad de partículas cuánticas que interactúan. Resolverlos podría conducir a enormes avances en campos como la química y la ciencia de materiales, e incluso avanzar en el desarrollo de nuevas tecnologías como las computadoras cuánticas.
Pero cuantas más partículas se añaden a la mezcla, más difícil resulta modelar su comportamiento, especialmente cuando se busca el estado fundamental del sistema, o el estado de menor energía. Esto es importante porque el estado fundamental les dice a los científicos qué materiales serán estables e incluso pueden exhibir fases exóticas como la superconductividad.
Una solución para cada problema: ¿pero cuál?
Durante años, los científicos han confiado en una combinación de métodos como las simulaciones cuánticas de Monte Carlo y las redes tensoriales (funciones de onda variables) para aproximar soluciones a estos problemas. Cada método tiene sus fortalezas y debilidades, pero es difícil saber qué método funciona mejor para cada problema. Y hasta ahora, no existe una forma universal de comparar su precisión.
Una gran colaboración de científicos dirigida por Giuseppe Carleo en la EPFL ha desarrollado un nuevo punto de referencia llamado “V-score” para abordar este problema. La puntuación v (“V” para “precisión variacional”) proporciona una manera consistente de comparar qué tan bien funcionan diferentes métodos cuánticos en el mismo problema. La puntuación v se puede utilizar para identificar los sistemas cuánticos más difíciles de resolver, donde los métodos computacionales actuales tienen dificultades y donde los métodos futuros, como la computación cuántica, pueden ofrecer una ventaja.
Publicado en Método de progreso Ciencia.
Cómo funciona V-Score
La puntuación V se calcula utilizando dos datos clave: la energía del sistema cuántico y cuánto fluctúa esa energía. Idealmente, cuanto menor sea la energía y la volatilidad, más precisa será la solución. El puntaje V combina estos dos factores en un solo número, lo que facilita clasificar diferentes métodos en función de qué tan cerca están de la solución correcta.
Para crear V-Score, el equipo recopiló el conjunto de datos más extenso sobre problemas cuánticos de muchos cuerpos hasta la fecha. Realizaron simulaciones en una variedad de sistemas cuánticos, desde simples cadenas de partículas hasta sistemas complejos y frustrados conocidos por su dificultad. El punto de referencia no sólo mostró qué métodos funcionaban mejor para problemas específicos, sino que también destacó las áreas donde la computación cuántica podría tener el mayor impacto.
Resolviendo los problemas cuánticos más difíciles
Al examinar la puntuación v, los científicos descubrieron que algunos sistemas cuánticos son mucho más fáciles de resolver que otros. Por ejemplo, los sistemas unidimensionales, como las cadenas de partículas, pueden abordarse con relativa facilidad utilizando métodos existentes como las redes tensoriales. Pero los sistemas más complejos y de dimensiones superiores, como las redes cuánticas frustradas, tienen puntuaciones V significativamente más altas, lo que sugiere que estos problemas son demasiado difíciles de resolver con los métodos informáticos clásicos actuales.
Los investigadores también descubrieron que los métodos que se basan en redes neuronales y circuitos cuánticos (dos técnicas prometedoras para el futuro) funcionaron significativamente mejor que incluso las técnicas establecidas. Esto significa que a medida que la tecnología de la computación cuántica mejore, podremos resolver algunos de los problemas cuánticos más difíciles que existen.
V-Score proporciona a los investigadores una poderosa herramienta para medir el progreso en la resolución de problemas cuánticos, especialmente a medida que la computación cuántica continúa desarrollándose. Al identificar los problemas más difíciles y las limitaciones de los métodos clásicos, el V-score puede ayudar en futuros esfuerzos de investigación. Por ejemplo, las industrias que dependen de simulaciones cuánticas, como la farmacéutica o la energética, pueden utilizar estos conocimientos para centrarse en problemas en los que la computación cuántica puede darles una ventaja competitiva.
