Multiple-time Quantum Imaginary Time Evolution

Dieses Paper stellt den Multiple-Time Quantum Imaginary Time Evolution (MT-QITE) Algorithmus vor, welcher die Treue bei der Präparation des Grundzustands erhöht und den Messaufwand im Vergleich zu Standard-QITE reduziert, indem er mehrere imaginäre Zeitschritte nutzt und dabei Determiniertheit, Unabhängigkeit von Ad-hoc-Ansätzen sowie Parallelisierbarkeit beibehält.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen, den tiefsten Punkt in einer riesigen, nebligen Gebirgskette zu finden. Dieser tiefste Punkt repräsentiert den „Grundzustand“ eines physikalischen Systems – die stabilste, energetisch niedrigste Konfiguration von Atomen oder Teilchen. Diesen Punkt zu finden, ist entscheidend, um zu verstehen, wie Materialien sich verhalten, wie chemische Reaktionen ablaufen und wie man neue Medikamente entwickelt.

In der Welt des Quantencomputings gibt es eine Methode namens Quantum Imaginary Time Evolution (QITE), die wie ein Wanderer fungiert, der immer bergab geht. Im Laufe der Zeit pendelt sich dieser Wanderer natürlich im tiefsten Tal (dem Grundzustand) ein. Jedoch weist die Arbeit von Del Castillo, Granath und van Nieuwenburg auf ein großes Problem beim Standard-Wanderer hin: Der Pfad ist teuer. Um jeden Schritt zu machen, muss der Wanderer anhalten, das Gelände vermessen und viel Mathematik betreiben. Dieses „Messbudget“ ist wie ein begrenzter Vorrat an Treibstoff; wenn der Treibstoff (die Messungen) ausgeht, kann er die Reise nicht beenden.

Die neue Lösung: Der „Multiple-Time“-Wanderer (MT-QITE)

Die Autoren stellen einen neuen Algorithmus namens MT-QITE (Multiple-Time Quantum Imaginary Time Evolution) vor. Anstatt nur eines Wanderers, der einen Typ von Schritt macht, stellen Sie sich ein Team von Wanderern vor, die zusammenarbeiten, oder einen einzelnen Wanderer, der gleichzeitig verschiedene Schrittgrößen ausprobieren kann, um den effizientesten Pfad zu finden.

So erklärt die Arbeit die Verbesserungen anhand einfacher Konzepte:

1. Die „Probier-alles-aus“-Strategie (Variationelle Flexibilität)
Bei der alten Methode (QITE) musste sich der Wanderer für die gesamte Reise auf eine bestimmte Schrittgröße (Zeitschritt) festlegen. Wenn er eine Schrittgröße wählte, die zu groß war, könnte er das Talboden überschießen. Wenn sie zu klein war, würde die Reise ewig dauern.

• Die MT-QITE-Analogie: Stellen Sie sich vor, der Wanderer kann nun mehrere verschiedene Schrittgrößen gleichzeitig testen, ohne für jede einzelne den gesamten Pfad tatsächlich abwandern zu müssen. Er berechnet das Ergebnis eines kleinen Schritts, eines mittleren Schritts und eines großen Schritts alle gleichzeitig mit demselben Ausgangspunkt. Dann wählt er einfach denjenigen aus, der zur niedrigsten Energie führt. Diese Flexibilität ermöglicht es ihm, einen besseren „tiefsten Punkt“ (höhere Fidelität) zu finden, ohne zusätzlichen Treibstoff zu verschwenden.

2. Die gemeinsame Karte (Parallelisierung)
Die alte Methode war wie ein Staffellauf, bei dem der zweite Läufer nicht erst starten kann, wenn der erste seinen gesamten Teil beendet und die Karte aktualisiert hat. Das bedeutete, dass der Wanderer nach jedem einzelnen Schritt immer wieder anhalten und das Gelände neu vermessen musste.

• Die MT-QITE-Analogie: MT-QITE ist wie ein Team von Entdeckern, die eine einzige, hochauflösende Karte teilen. Da sie alle vom selben Referenzpunkt aus starten, können sie das Gelände einmal vermessen und diese Daten nutzen, um die besten Züge für alle verschiedenen Schrittgrößen gleichzeitig zu berechnen. Das bedeutet, dass sie nicht so oft anhalten und messen müssen. Die Arbeit behauptet, dass dies die Anzahl der Messungen (den „Treibstoff“) in einigen Fällen um den Faktor 10 reduziert.

3. Die „Symmetrie“-Abkürzung
Die Arbeit stellt fest, dass viele physikalische Systeme Symmetrien aufweisen (wie ein Spiegelbild). Wenn man weiß, dass die linke Seite des Berges so aussieht wie die rechte, muss man nicht beide Seiten vermessen.

• Die MT-QITE-Analogie: Da das MT-QITE-Team eine einzige Karte teilt, kann es diese Symmetrie-Abkürzungen leicht nutzen. Wenn sie einen Teil des Geländes messen, können sie den Rest mathematisch herleiten, ohne zusätzliche Messungen vorzunehmen. Die alte Methode konnte dies nicht so einfach tun, da sich die „Karte“ nach jedem einzelnen Schritt änderte.

Was die Ergebnisse zeigen

Die Autoren testeten diese neue Methode an vier verschiedenen „Gebirgsketten“ (physikalische Modelle):

• Das Ising-Modell: Ein Modell magnetischer Spins.
• Das Heisenberg-Modell: Ein weiteres magnetisches Modell.
• Das Hubbard-Modell: Ein Modell für Elektronen in Materialien.
• Die H4-Kette: Ein kleines Molekül aus vier Wasserstoffatomen.

In all diesen Tests fand die MT-QITE-Methode den „tiefsten Talpunkt“ (den Grundzustand) viel genauer als die alte Methode.

• Bessere Genauigkeit: In einigen Fällen war die neue Methode 10- bis 100-mal genauer.
• Weniger Treibstoff: Sie benötigte signifikant weniger Messungen (etwa 10-mal weniger), um diese Genauigkeit zu erreichen.
• Kein Raten: Im Gegensatz zu anderen Methoden, die eine „Form“ (Ansatz) für die Lösung voraussetzen, findet MT-QITE den besten Pfad automatisch bei jedem Schritt.

Das Fazbeispiel

Die Autoren kommen zu dem Schluss, dass MT-QITE eine effizientere, deterministische und genauere Methode ist, um die Grundzustände von Quantensystemen zu finden. Es beruht weder auf Glück (probabilistische Methoden) noch auf vorgegebenen Vermutungen (Ansatz). Indem es dem Algorithmus ermöglicht, mehrere imaginäre Zeitschritte gleichzeitig unter Verwendung eines gemeinsamen Referenzzustands zu „testen“, spart es eine enorme Menge an Rechenressourcen bei gleichzeitig besseren Ergebnissen.

Die Autoren betonen, dass dies derzeit eine Simulation auf klassischen Computern ist, aber die Methode ist darauf ausgelegt, sowohl auf aktuellen verrauschten Quantengeräten als auch auf zukünftigen fehlerkorrigierten Quantencomputern zu laufen. Sie haben ihren Code zur Verfügung gestellt, damit andere ihn testen können.

Technische Zusammenfassung

Technisches Resümee: Multiple-Time Quantum Imaginary Time Evolution (MT-QITE)

Problemstellung
Die Quantum Imaginary-Time Evolution (QITE) ist eine deterministische, ansatzfreie Methode zur Präparation von Grundzuständen auf Quantenhardware, indem sie die nicht-unitäre imaginäre Zeitentwicklung durch unitäre Real-Time-Evolution (RTE) approximiert. Standardmäßiges QITE steht jedoch vor erheblichen Herausforderungen hinsichtlich des Messaufwands und der Rechenkosten, insbesondere für allgemeine Hamiltonoperatoren. Die Fidelität und Effizienz von QITE hängen stark von der Definition lokaler Domänen und der Partitionierung des Hamiltonoperators ab. Zudem aktualisiert der Standardalgorithmus den Referenzquantenzustand bei jedem Trotter-Schritt, was die Wiederverwendung von Messungen über verschiedene Hamilton-Terme hinweg verhindert und die Parallelisierung einschränkt. Während variationale Ansätze wie VQE existieren, verlassen sie sich auf ad-hoc gewählte Ansätze, wohingegen QITE darauf abzielt, den Evolutionsoperator in jedem Schritt ohne solche Annahmen optimal zu bestimmen.

Methodik
Die Autoren führen den Multiple-Time QITE (MT-QITE) Algorithmus ein, eine heuristische Erweiterung des Standard-QITE-Protokolls. Die zentrale Innovation liegt in der Entkopplung der Zeitschrittgröße für verschiedene Terme innerhalb einer Hamilton-Partition.

1. Multiple-Time-Ansatz: Anstatt einen einzelnen Zeitschritt $\Delta \tau$ auf alle Hamilton-Terme eines Trotter-Schritts anzuwenden, weist MT-QITE jedem Partitionsterm ($\hat{h}[1], \hat{h}[2], \dots$) distinkte Zeitparameter ($t_1, t_2, \dots$) zu. Der evolvierte Zustand ist definiert als:
   $$|\Psi'(t_1, t_2)\rangle = \frac{e^{-t_2\hat{h}[2]}e^{-t_1\hat{h}[1]}|\Phi(0)\rangle}{\|e^{-t_2\hat{h}[2]}e^{-t_1\hat{h}[1]}|\Phi(0)\rangle\|}$$
   Dies führt zusätzliche variationale Freiheitsgrade ein, wodurch der Algorithmus die obere Schranke der Grundenergie effektiver minimieren kann als die Single-Time-Beschränkung des Standard-QITE.

2. Gemeinsamer Referenzzustand: Im Gegensatz zu Standard-QITE, welches den Quantenzustand nach der Verarbeitung jedes Hamilton-Terms aktualisiert, verwendet MT-QITE einen festen Referenzzustand $|\Phi\rangle$ für den gesamten Trotter-Schritt. Dies ermöglicht es, die linearen Gleichungssysteme (abgeleitet aus der Tomographie) für mehrere Zeitschrittgrößen mit demselben Satz an Messungen zu lösen.

3. Parallelisierung und Symmetrie: Da der Referenzzustand während eines Schritts über alle Hamilton-Terme hinweg konstant bleibt, ist das Verfahren parallelisierbar. Wenn der Hamiltonoperator zudem Symmetrien besitzt (z. B. Standort-Inversion), kann der Algorithmus Messungen für symmetrische Terme wiederverwenden, ohne den Quantenzustand neu evaluieren zu müssen, was das Messbudget signifikant reduziert.

4. Umformulierung der Quantenchemie: Das Paper präsentiert eine Umformulierung der QITE-Gleichungen speziell für Quantenchemie-Hamiltonoperatoren. Durch die Verwendung von anti-hermiteschen Operatoren (wie sie in Unitary Coupled-Cluster with Singles and Doubles, UCCSD, vorkommen) anstelle allgemeiner Pauli-Strings stellt die Methode die Erhaltung der Teilchenzahl und des Spins sicher. Dieser Ansatz reduziert die Dimension des erforderlichen linearen Systems um etwa den Faktor 8 und ermöglicht die simultane Messung von bis zu 64 Pauli-Strings über mutuell kommutierende Mengen.

Wichtigste Ergebnisse
Die Autoren benchmarkten MT-QITE gegen den ursprünglichen QITE-Algorithmus (mit optimierten Zeitschritten) auf vier physikalischen Systemen mittels rauschfreier klassischer Emulation:

• XXZ-Heisenberg-Modell (8 Qubits): Am Phasenübergang ($J=1$) erreichte MT-QITE eine Verbesserung der Grundzustands-Fidelität um eine Größenordnung im Vergleich zu QITE nach 10 Trotter-Schritten. Es erreichte eine exakte Fidelität bis auf die fünfte Nachkommastelle bei gleichzeitiger Reduktion des Messbudgets um den Faktor 10.
• Transversales Ising-Modell (6 Qubits): Im anspruchsvollen Phasenübergangsregime verbesserte MT-QITE die Fidelität um mehr als zwei Größenordnungen. Das Messbudget wurde signifikant reduziert, insbesondere durch die Nutzung der Standort-Inversionssymmetrie mit einer Drei-Term-Partition.
• Fermionisches Hubbard-Modell: Für verschiedene Repulsionsstärken ($U$) übertraf MT-QITE QITE konsistent sowohl in der Fidelität als auch in der Messanzahl nach 10 Schritten, was die Robustheit selbst in Regimen mit starker Elektronenkorrelation demonstriert.
• H4-Kette (Quantenchemie): Unter Verwendung eines UCCGSD-Ansatzes auf 8 Qubits erreichte MT-QITE mit einer Drei-Term-Partition chemische Genauigkeit über einen Bereich von interatomaren Abständen (0,60–1,20 Å), einschließlich gestreckter Geometrien, bei denen Standard-QITE und unpartitioniertes MT-QITE nicht konvergierten. Bemerkenswerterweise bot die Partitionierung eines Hamiltonoperators mit nicht-lokalen Wechselwirkungen einen computationalen Vorteil.

Bedeutung und Ansprüche
Das Paper behauptet, dass MT-QITE sowohl die Fidelität des resultierenden Grundzustands als auch den Messaufwand im Vergleich zu zuvor veröffentlichten QITE-Algorithmen erheblich verbessert, während der deterministische Charakter und die Unabhängigkeit von ad-hoc gewählten Ansätzen gewahrt bleiben.

Die von den Autoren hervorgehobenen Kernbeiträge sind:

• Deterministische Verbesserung: MT-QITE bietet einen deterministischen Pfad zu höherer Fidelität ohne den probabilistischen Overhead von Methoden wie Probabilistic ITE (PITE) oder die exponentielle Gattertiefe von Double-Bracket QITE.
• Parallelisierbarkeit: Die Strategie des festen Referenzzustands ermöglicht die parallele Ausführung der RTE-Parameterextraktion für verschiedene Hamilton-Terme, ein Feature, das beim Standard-QITE nicht vorhanden ist.
• Effizienz in nicht-lokalen Systemen: Entgegen der Intuition zeigen die Autoren, dass die Partitionierung von Hamiltonoperatoren mit nicht-lokalen Wechselwirkungen (wie in der H4-Kette beobachtet) computational Vorteile bietet, indem sie die Größe des linearen Systems reduziert und die Multiple-Time-Variation nutzen.
• Anwendbarkeit: Der Algorithmus eignet sich sowohl für Noisy Intermediate-Scale Quantum (NISQ) Geräte als auch für zukünftige fehlertolerante Quantencomputer und bietet einen Weg, Latenz und Messkosten in der digitalen Quantensimulation zu reduzieren.

Die Autoren kommen zu dem Schluss, dass MT-QITE ein idealer Kandidat für Szenarien ist, die eine hochpräzise Grundzustandspräparation bei konstanter Gattertiefe erfordern, wobei die Approximationen und probabilistischen Subroutinen anderer Ansätze vermieden werden.