Od subatomskih čestica do složenih molekula, kvantni sistemi drže ključ za razumevanje kako univerzum funkcioniše. Ali postoji kvaka: kada pokušate da modelujete ove sisteme, ta složenost brzo izmiče kontroli — samo zamislite da pokušavate da predvidite ponašanje ogromne gomile ljudi gde svi stalno utiču na sve ostale. Pretvorite te ljude u kvantne čestice i sada se suočavate sa „kvantnim problemom više tela“.
Kvantni problemi sa više tela su pokušaji da se predvidi ponašanje velikog broja kvantnih čestica u interakciji. Njihovo rešavanje može otključati ogroman napredak u oblastima poput hemije i nauke o materijalima, pa čak i podstaći razvoj novih tehnologija kao što su kvantni računari.
Ali što više čestica bacite u mešavinu, to je teže modelirati njihovo ponašanje, posebno kada tražite osnovno stanje, ili stanje najniže energije, sistema. Ovo je važno jer osnovno stanje govori naučnicima koji će materijali biti stabilni i čak mogu otkriti egzotične faze poput superprovodljivosti.
Godinama su se naučnici oslanjali na mešavinu metoda kao što su kvantne Monte Karlo simulacije i tenzorske mreže (varijaciona talasna funkcija) da bi aproksimirali rešenja ovih problema. Svaka metoda ima svoje prednosti i mane, ali je teško znati koja je najbolja za koji problem. I do sada nije postojao univerzalni način da se uporedi njihova tačnost.
Velika saradnja naučnika, koju predvodi Giuseppe Carleo iz EPFL-a, sada je razvila novo merilo pod nazivom „V-score“ za rešavanje ovog problema. V-skor („V“ za „Varijacionu tačnost“) nudi dosledan način da se uporedi koliko dobro različite kvantne metode rade na istom problemu. V-skor se može koristiti za identifikaciju kvantnih sistema koje je najteže rešiti, gde se trenutne računarske metode bore i gde buduće metode — kao što je kvantno računarstvo — mogu da ponude prednost.
Revolucionarni metod je objavljen u časopisu Nauka.
V-score se izračunava koristeći dve ključne informacije: energiju kvantnog sistema i koliko ta energija fluktuira. U idealnom slučaju, što je manja energija i što su manje fluktuacije, to je rešenje tačnije. V-score kombinuje ova dva faktora u jedan broj, što olakšava rangiranje različitih metoda na osnovu toga koliko su blizu tačnog rešenja.
Da bi kreirao V-score, tim je sastavio najobimniji skup podataka o kvantnim problemima sa više tela do sada. Radili su simulacije na nizu kvantnih sistema, od jednostavnih lanaca čestica do složenih, frustriranih sistema, koji su poznati po svojoj teškoći. Benchmark nije samo pokazao koje metode su najbolje funkcionisale za određene probleme, već je takođe istakao oblasti u kojima bi kvantno računarstvo moglo imati najveći uticaj.
Testirajući V-score, naučnici su otkrili da je neke kvantne sisteme mnogo lakše rešiti od drugih. Na primer, jednodimenzionalni sistemi, kao što su lanci čestica, mogu se relativno lako rešiti korišćenjem postojećih metoda kao što su tenzorske mreže. Ali složeniji, visokodimenzionalni sistemi kao što su frustrirane kvantne rešetke, imaju znatno više V-skore, što sugeriše da je ove probleme mnogo teže rešiti sa današnjim klasičnim računarskim metodama.
Istraživači su takođe otkrili da su metode koje se oslanjaju na neuronske mreže i kvantna kola – dve obećavajuće tehnike za budućnost – bile prilično dobre čak i u poređenju sa utvrđenim tehnikama. To znači da, kako se kvantna računarska tehnologija poboljšava, možda ćemo moći da rešimo neke od najtežih kvantnih problema.
V-score daje istraživačima moćan alat za merenje napretka u rešavanju kvantnih problema, posebno kako se kvantno računarstvo nastavlja razvijati. Ukazivanjem na najteže probleme i ograničenja klasičnih metoda, V-score bi mogao pomoći u usmjeravanju budućih istraživačkih napora. Na primer, industrije koje se oslanjaju na kvantne simulacije, kao što su farmacija ili energija, mogle bi da iskoriste ove uvide da se fokusiraju na probleme u kojima bi im kvantno računarstvo moglo dati prednost u konkurenciji.
