Forskere fra University of Bristol, quantum start-up, Phasecraft og Google Quantum AI har avslørt egenskapene til elektroniske systemer som kan brukes til utvikling av mer effektive batterier og solceller.
Funnene, publisert i Nature Communications i dag, beskriver hvordan teamet har tatt et viktig første skritt mot å bruke kvantedatamaskiner for å bestemme lavenergiegenskaper til sterkt korrelerte elektroniske systemer som ikke kan løses av klassiske datamaskiner. De gjorde dette ved å utvikle den første virkelig skalerbare algoritmen for å observere grunntilstandsegenskaper til Fermi-Hubbard-modellen på en kvantedatamaskin. Fermi-Hubbard-modellen er en måte å oppdage avgjørende innsikt i elektroniske og magnetiske egenskaper til materialer.
Modellering av kvantesystemer av denne formen har betydelige praktiske implikasjoner, inkludert design av nye materialer som kan brukes i utviklingen av mer effektive solceller og batterier, eller til og med høytemperatursuperledere. Å gjøre det er imidlertid utenfor kapasiteten til verdens kraftigste superdatamaskiner. Fermi-Hubbard-modellen er allment anerkjent som en utmerket målestokk for kvantedatamaskiner på kort sikt fordi det er det enkleste materialsystemet som inkluderer ikke-trivielle korrelasjoner utover det som fanges opp av klassiske metoder. Omtrent å produsere den laveste energitilstanden (bakke) til Fermi-Hubbard-modellen gjør det mulig for brukeren å beregne viktige fysiske egenskaper til modellen.
Tidligere har forskere bare lykkes med å løse små, svært forenklede Fermi-Hubbard-forekomster på en kvantedatamaskin. Denne forskningen viser at mye mer ambisiøse resultater er mulig. Ved å utnytte en ny, svært effektiv algoritme og bedre feilreduserende teknikker, kjørte de et eksperiment som er fire ganger større – og består av 10 ganger flere kvanteporter – enn noe tidligere registrert.
“Fermi-Hubbard-forekomsten i dette eksperimentet representerer et avgjørende skritt mot å løse realistiske materialsystemer ved hjelp av en kvantedatamaskin,” sa professor i kvanteberegning ved University of Bristol, Ashley Montanaro og Phasecraft medgründer. “Vi lyktes med å utvikle den første virkelig skalerbare algoritmen som noen har klart å implementere for Fermi-Hubbard-modellen. Det er spesielt spennende fordi det antyder at vi vil være i stand til å skalere metodene våre for å utnytte kraftigere kvantedatamaskiner etter hvert som maskinvaren forbedres.»
Phasecraft samler mange av verdens ledende kvanteforskere og ingeniører og partnere med verdens ledende utviklere av kvantemaskinvare. Forskningen deres har ført til grunnleggende gjennombrudd innen kvantevitenskap og er rettet mot å redusere tidsskalaen for kvantefordeler betydelig på flere kritiske områder. Utover å utvikle algoritmer som vil kunne skaleres til større kvantedatamaskiner, er Phasecraft-teamet også fokusert på å fortsette å bygge praktisk relevante funksjoner inn i modellene sine slik at de mer nøyaktig representerer systemer i den virkelige verden.
“Vi er glade for å se dette eksperimentet designet og utført av Phasecraft, som representerer en av de største digitale fermioniske simuleringene til dags dato, og også en av de største variasjonsalgoritmene til dags dato, utført på Googles kvantedatamaskinvare,” sier Ryan Babbush, Leder for kvantealgoritmer hos Google AI. “Skalerbarheten til tilnærmingen deres stammer fra å være toppmoderne når det gjelder både feilredusering og algoritmekompilering for kortsiktig kvantemaskinvare.”
“Dette eksperimentet representerer en ny milepæl. Den forteller oss hva dagens kvantedatamaskiner er i stand til når vi bruker den beste algoritmiske teknologien som er tilgjengelig, sier Stasja Stanisic, Senior Quantum Engineer ved Phasecraft, avisens hovedforfatter. “Vi kan bygge videre på dette arbeidet for å utvikle bedre algoritmer og bedre koding av realistiske problemer for dagens enheter.”
Arbeidet ble delvis finansiert av ERC gjennom Prof Ashley Montanaros Consolidator Grant “Quantum Algorithms: from Foundations to Applications”, og delvis av UKRI gjennom EPSRC Prosperity Partnership-ordningen, som muliggjorde samarbeidet mellom partnerne.
Papir:
“Observere grunntilstandsegenskaper til Fermi-Hubbard-modellen ved å bruke en skalerbar algoritme på en kvantedatamaskin” av Stasja Stanisic, Ashley Montanaro et al. Naturkommunikasjon.