Учёные разработали новый метод для решения квантовых многочастичных задач, который может открыть новые возможности в таких областях, как химия и материаловедение, и даже подтолкнуть развитие квантовых компьютеров.
Квантовые многочастичные задачи представляют собой попытки предсказать поведение большого числа взаимодействующих квантовых частиц. Решение этих проблем может дать ценную информацию о свойствах материалов и поведении сложных систем. Однако по мере увеличения количества частиц в системе моделирование их поведения становится всё более сложным, особенно когда речь идет о поиске основного состояния или состояния с самой низкой энергией системы.
В течение многих лет учёные использовали различные методы, такие как квантовое моделирование Монте-Карло и тензорные сети, чтобы приблизиться к решениям этих проблем. Однако каждый метод имеет свои сильные и слабые стороны, и трудно понять, какой из них лучше всего подходит для конкретной проблемы. Кроме того, не существовало универсального способа сравнения точности этих методов.
Новаторский метод, разработанный командой учёных под руководством Джузеппе Карлео из Швейцарского федерального технологического института в Лозанне (EPFL), представляет собой новый бенчмарк под названием V-score для решения этой проблемы.
V-score предлагает последовательный способ сравнения того, насколько хорошо различные квантовые методы выполняют одну и ту же задачу. Этот метод может использоваться для выявления наиболее сложных для решения квантовых систем, где текущие вычислительные методы терпят неудачу, и где будущие методы, такие как квантовые вычисления, могут дать преимущество.
V-score рассчитывается с использованием двух ключевых элементов информации: энергии квантовой системы и того, насколько эта энергия колеблется. В идеале, чем ниже энергия и чем меньше флуктуации, тем точнее решение. V-score объединяет эти два фактора в одно число, что упрощает ранжирование различных методов на основе того, насколько они близки к точному решению.
Для создания V-score команда собрала самый обширный набор данных квантовых многочастичных задач на сегодняшний день. Авторы провели моделирование на ряде квантовых систем, от простых цепочек частиц до сложных, фрустрированных систем, которые известны своей сложностью. Тест не только показал, какие методы лучше всего подходят для конкретных задач, но и выделил области, в которых квантовые вычисления могут оказать наибольшее влияние.
Проверяя V-оценку, учёные обнаружили, что некоторые квантовые системы гораздо проще решить, чем другие. Например, одномерные системы, такие как цепочки частиц, можно относительно легко решить с помощью существующих методов, таких как тензорные сети. Но более сложные, многомерные системы, такие как фрустрированные квантовые решётки, имеют значительно более высокие V-оценки, что говорит о том, что эти проблемы гораздо сложнее решить с помощью современных классических методов вычислений.
Исследователи также обнаружили, что методы, основанные на нейронных сетях и квантовых схемах показали себя достаточно хорошо даже по сравнению с устоявшимися технологиями. Это означает, что по мере совершенствования технологии квантовых вычислений может удастся решить некоторые из самых сложных квантовых задач.
