Fizik

Kuantum Bilgisayarlar İçin Yeni Algoritma: Güçlü Etkileşimli Sistemlerde Çığır Açıyor

Araştırmacılar, kuantum bilgisayarların moleküllerdeki elektron davranışlarını daha iyi anlamasını sağlayan yeni bir hibrit algoritma geliştirdi. CSQD (Küme-Uyumlu Örnek-Temelli Kuantum Köşegenleştirme) adındaki bu yöntem, özellikle elektronlar arasındaki etkileşimlerin çok güçlü olduğu sistemlerde büyük başarı gösteriyor. Geleneksel SQD algoritmasının aksine, CSQD determinantları kümelere ayırarak her küme için özel referans vektörleri kullanıyor. Bu yaklaşım, aynı hesaplama bütçesi altında azot molekülü gibi zorlu sistemlerde enerji tahminlerini önemli ölçüde iyileştiriyor. Kuantum kimya ve malzeme bilimi alanında önemli uygulamaları olacak bu gelişme, kuantum bilgisayarların pratik kullanımına bir adım daha yaklaştırıyor.

Kuantum bilgisayarların kimyasal sistemlerdeki elektron davranışlarını anlamada kullanılması için geliştirilen hibrit algoritmalarda önemli bir ilerleme kaydedildi. Araştırmacılar, özellikle güçlü etkileşimli sistemlerde daha doğru sonuçlar veren yeni bir yöntem olan CSQD'yi (Küme-Uyumlu Örnek-Temelli Kuantum Köşegenleştirme) geliştirdi.

Mevcut SQD algoritması, kuantum işlemciyi bir örnekleyici olarak kullanarak varyasyonel bir alt uzay oluşturuyor ve Hamiltoniyen projeksiyonunu klasik yöntemlerle gerçekleştiriyor. Ancak güçlü korelasyonlu sistemlerde, baskın determinantlar determinant uzayının farklı bölgelerine dağıldığında, küresel referans yaklaşımı karışık ortalamalar oluşturuyor ve parçacık sayısı kurtarımını ortalama işgaller yönünde önyargılı hale getiriyor.

CSQD bu sorunu, havuza alınmış tek-spin dizilerini kümelere ayırarak ve her küme için özel referans işgal vektörleri kullanarak çözüyor. Bu yaklaşım, aynı varyasyonel bütçe altında SQD'ye kıyasla taban durum enerjilerini önemli ölçüde düşürüyor.

Gerçekleştirilen testlerde, gerilmiş azot molekülü gibi zorlu sistemlerde CSQD, geleneksel SQD'ye göre 15,95 mHa'ya kadar daha düşük taban durum enerjileri elde etti. Bu gelişme, kuantum kimya hesaplamalarında daha doğru sonuçlar elde edilmesini sağlarken, kuantum bilgisayarların pratik uygulamalarına da katkıda bulunuyor.

Özgün Kaynak
arXiv — Kuantum Fiziği
Cluster-Adaptive Sample-Based Quantum Diagonalization for Strongly Correlated Systems
Orijinal makaleyi oku

Bu içerik, özgün kaynaktaki bilgiler temel alınarak BilimKapsül editörleri tarafından yeniden kaleme alınmıştır. Orijinal metnin birebir çevirisi değildir. Telif hakkı özgün yayıncıya aittir.