Active Sampling Sample-based Quantum Diagonalization from Finite-Shot Measurements

إليك ملخص تقني مفصل للورقة البحثية بعنوان "الاستعيان النشط للتشخيص الكمي القائم على العينات من القياسات ذات الدفعات المحدودة" (Active Sampling Sample-based Quantum Diagonalization from Finite-Shot Measurements) للباحثة رينكا ميورا.

1. بيان المشكلة

تعالج هذه الورقة قيداً حرجاً في أجهزة الحوسبة الكمية ذات المقياس المتوسط المشوب بالضجيج (NISQ): وهو عدم القدرة على إجراء التوصيف الكامل للحالة (Full State Tomography) أو الحصول على الحالات الأرضية الدقيقة بسبب القياسات ذات الدفعات المحدودة (Finite-shot measurements) وأخطاء إعداد الحالة والقياس (SPAM).

• القيد: تعيد الأجهزة الكمية مجموعة محدودة من السلاسل الثنائية (Bitstrings) الناتجة عن قياس القاعدة الحسابية. غالباً ما تفتقد هذه العينات حالات القاعدة ذات الاحتمالية المنخفضة ولكنها مهمة طاقياً، وقد تكون ملوثة بحالات مثارة (على سبيل المثال: خليط يتكون من 80% حالة أرضية و20% حالة أولى مثارة).
• فشل الطرق الحالية:
  • التشخيص الكمي القياسي القائم على العينات (Standard SQD): يقوم ببناء هاميلتوني فعال منخفض الأبعاد باستخدام الحالات القاعدية المرصودة فقط. في ظل الدفعات المحدودة والتلوث، غالباً ما يكون الفضاء الجزئي الأولي منحازاً أو صغيراً جداً، مما يؤدي إلى أخطاء كبيرة في تقدير الطاقة.
  • توسيع الفضاء الجزئي الأعمى (Blind Subspace Expansion): إضافة الحالات القاعدية المتصلة عشوائياً إلى الفضاء الجزئي هو أمر غير فعال حوسبياً وغير مستقر مع نمو حجم النظام، مما يهدر الموارد في اتجاهات غير ذات صراعة في فضاء هيلبرت.
• الهدف: تطوير خوارزمية يمكنها اختيار الحالات القاعدية الإضافية الأكثر قيمة بشكل تكراري لتضمينها في الفضاء الجزئي لاستعادة طاقة الحالة الأرضية الحقيقية ($E_0$)، باستخدام العينات المحدودة الأولية وتعريف الهاميلتوني فقط، دون الحاجة إلى قياسات كمية جديدة.

2. المنهجية: الاستعيان النشط لـ SQD (AS-SQD)

تقترح المؤلفات AS-SQD، والتي تصيغ توسيع الفضاء الجزئي كمسألة تعلم نشط (Active Learning). بدلاً من الاستكشاف العشوائي، تستخدم الخوارزمية دالة استحواذ (Acquisition function) موجهة بالفيزياء لاختيار الحالات القاعدية التي تزيد بشكل جشع (Greedily) من التحسن المتوقع في تقدير طاقة الحالة الأرضية.

خطوات الخوارزمية الأساسية:

1. التهيئة: البدء بفضاء جزئي $S$ يتكون من أعلى-$K$ من السلاسل الثنائية الأكثر تكراراً من العينات الكمية الأولية.
2. التشخيص (Diagonalization): تشخيص الهاميلتوني المقيد $H_S$ (المسقط على $S$) كلاسيكياً للحصول على حالة أرضية تقريبية $|\psi_S\rangle$ وطاقة $E_S$.
3. توليد المرشحين: تحديد الحالات القاعدية المرشحة $C(S)$ التي "تتصل" بالفضاء الجزئي الحالي عبر الهاميلتوني (أي الحالات $|k\rangle$ حيث $\langle k|H|s\rangle \neq 0$ لأي $s \in S$).
4. تسجيل الاستحواذ (الابتكار): ترتيب المرشحين باستخدام درجة إبستين-نيسبيت (EN) المستندة إلى نظرية الاضطراب:
   • الدرجة تقدر تصحيح الطاقة من الدرجة الثانية إذا تمت إضافة الحالة $|k\rangle$:
     $$a(k) = \frac{|\langle k|H|\psi_S\rangle|^2}{|E_S - H_{kk}|}$$
   • البسط: يمثل قوة الاقتران بين المرشح والحالة الأرضية التقريبية الحالية.
   • المقام: يمثل الانزياح الطاقي (الفرق بين طاقة القطر للمرشح وطاقة الفضاء الجزئي الحالي).
5. التوسيع: إضافة أفضل-$B$ من المرشحين ذوي الدرجات الأعلى إلى $S$ وتكرار العملية حتى التقارب أو الوصول إلى حد الميزانية.

التفاصيل التقنية الرئيسية:

• استغلال الندرة (Sparsity): بالنسبة لهاميلتوني سلاسل باولي (Pauli-string)، تكون عناصر المصفوفة نادرة. تحسب الخوارزمية الدرجات بكفاءة عبر الجمع فقط فوق المكونات المهيمنة لـ $|\psi_S\rangle$، متجنبة التوسع الأسي.
• آلية المتانة: تعمل دالة الاستحواذ بشكل طبيعي على تقليل وزن الحالات المتأثرة بأخطاء SPAM. الحالات المشوبة عادة ما يكون لها اقتران ضعيف مع المنوال منخفض الطاقة الحقيقي وطاقات قطرية عالية، مما ينتج عنه درجات تقترب من الصفر.

3. المساهمات الرئيسية

1. صياغة التعلم النشط لـ SQD: تعيد الورقة صياغة التشخيص القائم على العينات كمسألة اتخاذ قرار متسلسل، متجاوزة بناء الفضاء الجزئي الثابت.
2. دالة استحواذ موجهة بالاضطراب: تقديم قاعدة تسجيل محسوبة ومبنية على الفيزياء (بناءً على نظرية EN) تعطي الأولوية للحالات القاعدية التي تقدم أكبر خفض متوقع في الطاقة.
3. إثبات المتانة تجاه الضجيج: أُثبت أن الطريقة متينة بطبيعتها ضد أخطاء SPAM وتلوث الحالات المثارة دون الحاجة إلى تقنيات خارجية لتخفيف الخطأ (مثل استقراء صفر الضجيج).
4. التحقق من العتاد: تنفيذ ناجح على أجهزة IBM Quantum الحقيقية، مما أظهر القدرة على تصفية الضجيج الفيزيائي واستعادة الحالات الأرضية الدقيقة.

4. النتائج التجريبية

قيمت المؤلفات AS-SQD على سلاسل سبين Heisenberg المضطربة و Ising ذات المجال المستعرض (TFIM) حتى 16 كيوبت (بعد فضاء هيلبرت قدره $2^{16} = 65,536$).

• المحاكاة (العينات الملوثة):
  • الإعداد: محاكاة خليط يتكون من 80% حالة أرضية و20% حالة مثارة مع دفعات محدودة ($N_{shots}=2000-3000$).
  • الأداء: حققت AS-SQD باستمرار متوسط خطأ في الطاقة المطلقة أقل بكثير مقارنة بـ Standard SQD و Random SQD.
  • التوسع (Scaling): بينما نمت أخطاء Standard SQD بسرعة مع حجم النظام ($n$)، حافظت AS-SQD على دقة عالية حتى عند $n=16$. أظهر التوسع العشوائي تحسناً محدوداً بسبب ضعف كفاءة العينات.
• التحقق من العتاد (IBM Quantum):
  • الإعداد: تم إنشاء العينات مباشرة من معالج ibmq_pittsburgh الذي يعاني من عدم دقة البوابات وفقدان الترابط (decoherence).
  • النتيجة: عند $n=8$، تقاربت AS-SQD إلى الحالة الأرضية الدقيقة (خطأ $\sim 10^{-14}$)، مما أدى فعلياً إلى تصفية ضجيج العتاد الذي ملأ الحالات القاعدية غير ذات الصلة. تفوقت الطريقة على النماذج المرجعية عبر جميع أحجام العتاد المختبرة.
• دراسات الاستئصال (Ablation Studies):
  • الاقتران مقابل الطاقة: أدت طريقة الاستدلال "الاقتران فقط" ($|\langle k|H|\psi_S\rangle|^2$) أداءً يقارب تقريباً درجة EN الكاملة، مما يشير إلى أن قوة الاقتران هي العامل المهيمن. ومع ذلك، وفرت درجة EN الكاملة التوازن الأمثل.
  • تأثير الأفق (Horizon Effect): وُجد أن حصر توليد المرشحين في قفزة واحدة (1-hop) (الجيران المباشرين) كان متفوقاً على التوسعات ذات القفزتين (2-hop). عمل قيد القفزة الواحدة كتحيز استقرائي مفيد، مما منع انفجار عدد المرشحين وأجبر الخوارزمية على التركيز على الاتجاهات الأكثر تأثيراً وفورية.

5. الأهمية والخاتمة

• تجاوز الاختناقات التوليفية: نجحت AS-SQD في التنقل عبر التعقيد الأسي لفضاء هيلبرت من خلال تركيز الموارد الحوسبية على الاتجاهات ذات الصلة طاقياً، متجنبة الحاجة إلى قياس الهاميلتوني بشكل شامل.
• الجاهزية لعصر NISQ: الطريقة مصممة خصيصاً لقيود الأجهزة الكمية الحالية (الدفعات المحدودة، الضجيج، عدم الوصول الكامل للحالة)، مما يجعلها أداة عملية لتحقيق التفوق الكمي في المدى القريب.
• المبدأ العام: تؤسس الورقة لنموذج "الذكاء الاصطناعي الكمي" في عصر NISQ: استخدام دوال استحواذ مشتقة من الفيزياء لتقرير ما يجب تضمينه تالياً بذكاء، بدلاً من الاعتماد على أخذ العينات بالقوة الغاشمة أو الاستكشاف العشوائي.

باختصار، توفر AS-SQD إطاراً قوياً وقابلاً للتوسع وفعالاً لتقدير طاقات الحالة الأرضية من بيانات كمية غير مثالية، مما يسد الفجوة بين المخرجات التجريبية المشوبة بالضجيج والتنبؤات الفيزيائية الدقيقة.