Efficient Preparation of Quantum States via Randomized Truncation

ملخص تقني: التحضير الفعال للحالات الكمومية عبر التقطيع العشوائي

بيان المشكلة
يعد تحضير الحالات الكمومية العامة عقبة أساسية في الخوارزميات الكمومية، لا سيما في تطبيقات الكيمياء الكمومية، والمعادلات التفاضلية، والتعلم الآلي. غالبًا ما تُظهر الحالات المستهدفة الواقعية بنية سعة هرمية: نواة صغيرة من التكوينات المهيمنة مصحوبة بـ "ذيل ثقيل" من المكونات العديدة الصغيرة ولكن غير المهملة. تقوم طرق التقطيع الحتمية القياسية بالتخلص من هذه السعات الصغيرة لتقليل تعقيد الدارة. ومع ذلك، يؤدي هذا النهج إلى مقايضة خطية شديدة بين الدقة وتكلفة الموارد: لتحقيق خطأ في مسافة التتبع (trace-distance) قدره $\epsilon$، يجب الاحتفاظ بما يكفي من السعات بحيث يكون الوزن $\ell_2$ المستبعد هو $O(\epsilon)$. ويتطلب هذا المتطلب ترميز عدد كبير من مكونات السعة الصغيرة، مما يؤدي إلى نمو أسي في عمق الدارة وأعداد البوابات، كما أن هذه المكونات الصغيرة غالبًا ما تستلزم تركيب بوابات عالي الدقة (مما يتطلب عبئًا إضافيًا واسعًا لبوابات T) وعمليات دوران عالية التحكم (مما يزيد من تعداد بوابات CNOT)، مما يجعل تحضير حالات عالية الدقة أمرًا صعب المنال لكل من الأجهزة القريبة من المدى والأجهزة المقاومة للأخطاء.

المنهجية
يقترح المؤلفون بروتوكول تحضير حالة عشوائي يتجاوز الحدود الصارمة للتقطيع الحتمي من خلال الاستفادة من التضخيم الاحتمالي. بدلاً من ترميز الذيل الثقيل بالكامل بشكل متماسك في دارة واحدة عميقة، يقوم هذا الأسلوب ببناء مجموعة عشوائية من الدارات منخفضة التعقيد.

يعمل البروتوكول كالتالي:

1. التقسيم: يتم تقسيم سعات الحالة إلى مجموعة مهمة $A$ (السعات حيث $|\alpha_i| \geq t$) ومجموعة ذيل مهملة $B$ (حيث $|\alpha_i| < t$).
2. بناء المجموعة: لكل مؤشر $m$ في مجموعة الذيل $B$، يتم تعريف حالة كمومية محددة $|\tilde{\psi}_m\rangle$. تحتفظ هذه الحالة بجميع السعات في $A$ وتتضمن عنصرًا واحدًا فقط من $B$ (المؤشر $m$) مع معامل مضخم.
3. أخذ العينات: يقوم البروتوكول بأخذ عينة لمؤشر $m$ من $B$ باحتمالية $p_m = |\alpha_m| / \sum_{j \in B} |\alpha_j|$. ويتم تحضير الحالة المقابلة $|\tilde{\psi}_m\rangle$.
4. الحالة الناتجة: المخرج النهائي هو حالة مختلطة $\rho_{\text{approx}} = \sum_m p_m |\tilde{\psi}_m\rangle\langle\tilde{\psi}_m|$.

ومن الأهمية بمكان أن تضخيم المعامل الصغير $\alpha_m$ بعامل $1/p_m$ يضمن أن القيمة المتوقعة للمجموعة تستعيد الحالة المستهدفة $|\psi\rangle$. ويثبت المؤلفون أنه بينما تكون الدارات الفردية في المجموعة بسيطة (تحتفظ بمكون ذيل واحد فقط)، فإن الحالة المختلطة الناتجة تستعيد الحالة المستهدفة بخطأ أقل بكثير مقارنة بالتقطيع الحتمي.

المساهمات الرئيسية والنتائج النظرية
المساهمة النظرية الأساسية هي إثبات أن هذا النهج العشوائي يحسن مقياس الخطأ من خطي إلى تربيعي بالنسبة لكتلة السعة المستبعدة.

• مقياس الخطأ التربيعي: يثبت المؤلفون (النظرية 1) أنه إذا كان وزن $\ell_2$ المستبعد هو $\epsilon^2$، فإن خطأ مسافة التتبع للمجموعة العشوائية يتدرج كـ $O(\epsilon^2)$، بينما يتدرج التقطيع الحتمي كـ $O(\epsilon)$.
• تقليل الموارد: يترجم هذا التحسين التربيعي إلى تقليل في عدد السعات المرمزة المطلوبة لتحقيق دقة مستهدفة ثابتة.
  • بالنسبة للحالات ذات الاضمحلال الأسي (الشائعة في الكيمياء الكمومية وهاميلتونيات الفجوة)، يتطلب البروتوكول العشوائي حوالي نصف عدد السعات مقارنة بالنهج الحتمي ($K_{\text{det}} \approx 2K_{\text{rand}}$).
  • بالنسبة للحالات ذات الاضمحلال بقانون القوة (الشائعة في فيزياء الأجسام المتعددة وتحميل البيانات)، تتدرج وفورات الموارد تقاربيًا كـ $O(\hat{\epsilon}^{-1/(2r_{\text{pow}}-1)})$، مما يوفر مكاسب أكبر مع زيادة الدقة المطلوبة.
• التوفير على مستوى البوابات: من خلال تضخيم المعاملات الصغيرة، يرفع البروتوكول هذه المساهمات خارج نطاق الدقة العالية للغاية. وهذا يقلل من الحاجة إلى دورانات متعددة التحكم عالية الدقة، مما يقلل بشكل كبير من عبء بوابات T وتعداد CNOT المرتبط بحل الزوايا الصغيرة.

النتائج العددية
تحقق المؤلفون من صحة البروتوكول على عدة نماذج واقعية واصطناعية:

• جزيء LiH: باستخدام الحالة الأرضية لجزيء هيدريد الليثيوم (المحول إلى 12 كيوبت)، حقق البروتوكول العشوائي خفضًا بنسبة 82.2% في تعداد CNOT وخفضًا بنسبة 81.2% في تعداد بوابات T مقارنة بالتقطيع الحتمي عند خطأ مسافة التتبع $5.86 \times 10^{-4}$.
• حالة قانون القوة الاصطناعية: بالنسبة لحالة مكونة من 10 كيوبت تتضاءل سعاتها وفقًا لـ $j^{-5}$، أظهرت الطريقة انخفاضات تصل إلى 98.9% في تعداد Cotes و98.5% في تعداد بوابات T عند خطأ مسافة التتبع $1.04 \times 10^{-13}$.
• التعلم الآلي وفيزياء الأجسام المتعددة: تم اختبار البروتوكول أيضًا على حالات مشتقة من شبكة ResNet مدربة (10 كيوبت) والحالة الأرضية لنموذج Ising في المجال المستعرض (11 كيوبت). في كلتا الحالتين، حققت الطريقة العشوائية باستمرار أخطاء مسافة تتبع أقل عند تكاليف ثابتة مقارنة بالتقطيع الحتمي، مما يؤكد قابليتها للتطبيق بما يتجاوز توزيعات القوة أو التوزيعات الأسية الصرفة.

الأهمية والادعاءات
يزعم البحث أنه يضع نموذجًا فعالًا من حيث الموارد لتهيئة الحالات الكمومية المعقدة. ومن خلال تخفيف متطلبات دقة تركيب البوابات وتقليل عدد السعات المرمزة، تعالج هذه الطريقة عقبة حرجة في الخوارزميات الكمومية الشاملة.

يؤكد المؤلفون أن هذا النهج متوافق مع كل من الأجهزة القريبة من المدى والأجهزة المقاومة للأخطاء:

• بالنسبة للأجهزة القريبة من المدى، فإنه يستبدل دارة واحدة عميقة ومتجانسة بأخذ عينات من دارات أبسط وأقل عمقًا، مما يجعل تحضير الحالة ممكنًا ضمن حدود التماسك.
• بالنسبة للبنى المقاومة للأخطاء، فإنه يقلل بشكل كبير من عبء بوابات T وتكاليف CNOT المرتبطة بالدورات عالية الدقة، مما يوسع فئة الحالات الكمومية التي يمكن تحضيرها بكفاءة على الأجهزة.

يخلص العمل إلى أن استراتيجية التقطيع العشوائي هذه توفر حد خطأ صارمًا وقابلًا للتحكم يتناسب مع مربع وزن الذيل المستبعد، مما يسمح بتنفيذ أكثر كفاءة للخوارزميات التي تعتمد على تحضير حالات معقدة دون التضحية بالدقة.