Vai al contenuto
Quantum.world

The Signal

Physical Review A pubblica un metodo di Boltzmann quantistico per il calcolo dell’energia

Un articolo su Physical Review A presenta un algoritmo basato su una macchina di Boltzmann quantistica per stimare le energie degli stati fondamentali di Hamiltoniane. Gli autori dimostrano la convergenza a un punto stazionario approssimato con un numero di campioni polinomiale rispetto alla precisione obiettivo, al numero di parametri e alla norma dell’Hamiltoniana.

Physical Review A pubblica un metodo di Boltzmann quantistico per il calcolo dell’energia

Un risultato di convergenza pubblicato

È stato pubblicato su Physical Review A un metodo basato su una macchina di Boltzmann quantistica per stimare le energie degli stati fondamentali di Hamiltoniane, accompagnato da una dimostrazione che il suo algoritmo di addestramento raggiunge un punto stazionario approssimato usando un numero polinomiale di campioni di stati termici. Gli autori affermano che il numero di campioni richiesto cresce polinomialmente rispetto all’inverso della precisione obiettivo, al numero di parametri del modello e alla norma dell’Hamiltoniana da ottimizzare.

L’articolo, firmato da Dhrumil Patel, Daniel Koch, Saahil Patel e Mark M. Wilde, è uscito il 17 novembre 2026. Una versione precedente era stata pubblicata come preprint su arXiv il 16 ottobre 2024; la pubblicazione sulla rivista è l’ultimo sviluppo del lavoro.

Stati termici invece di ansatz circuitali

L’approccio proposto usa un ciclo di ottimizzazione ibrido quantistico-classico, ma rappresenta gli stati candidati come stati termici parametrizzati anziché come stati generati da circuiti quantistici parametrizzati. L’obiettivo è l’energia attesa dell’Hamiltoniana obiettivo in ciascuno stato di prova, e l’ottimizzatore classico aggiorna i parametri del modello usando stime del gradiente della funzione obiettivo.

Gli autori inquadrano il metodo come un approccio variazionale: minimizzare l’energia all’interno della famiglia scelta di stati di prova fornisce un limite superiore all’energia dello stato fondamentale. La loro analisi presuppone che si possano preparare campioni dello stato termico parametrizzato e che l’Hamiltoniana obiettivo possa essere misurata in modo efficiente su un computer quantistico.

Come viene stimato il gradiente

Il passaggio tecnico centrale è un estimatore quantistico del gradiente di Boltzmann. La costruzione del circuito combina il campionamento casuale classico con la simulazione di Hamiltoniane e l’Hadamard test per stimare il gradiente; l’articolo descrive anche la stima di una parte del gradiente mediante misure su due copie di uno stato termico.

Gli autori calcolano il gradiente e l’Hessiana della funzione obiettivo, quindi usano dei limiti sugli elementi della matrice Hessiana per stabilire un limite di Lipschitz per il gradiente. Questo risultato sulla regolarità viene usato nell’analisi della convergenza della discesa stocastica del gradiente.

Un punto stazionario, non una garanzia globale

La garanzia riguarda un punto stazionario approssimato della funzione energia nello spazio dei parametri selezionato, non dimostra che l’algoritmo trovi il minimo globale o lo stato fondamentale esatto. L’articolo osserva che la funzione obiettivo è generalmente non convessa, per cui il risultato di convergenza ha come obiettivo un punto stazionario.

Gli autori descrivono le macchine di Boltzmann quantistiche come un’alternativa ai risolutori variazionali quantistici, i cui stati di prova sono costruiti con circuiti parametrizzati. Affermano inoltre che, in questo contesto, non è noto che l’approccio di apprendimento automatico soffra del problema del barren plateau; si tratta di un’affermazione sul metodo, non di una dimostrazione riportata su hardware.

Fonti

  1. Physical Review A
  2. arXiv

Notizie correlate

Esplora

Altri articoli