Simulating Supersymmetric Quantum Mechanics Using Variational Quantum Algorithms

Diese Arbeit stellt eine adaptive VQE-Ansatzkonstruktion vor, die die Ressourcenanforderungen für die Simulation supersymmetrischer Quantenmechanik auf NISQ-Quantencomputern reduziert und erste Ergebnisse von echten IBM-Geräten unter Einbeziehung von Fehlermitigation präsentiert.

Das Wesentliche

Das große Problem: Ein unsichtbarer Feind in der Simulation

Stellen Sie sich vor, Sie wollen ein sehr komplexes physikalisches System simulieren, das aus Teilchen besteht, die sich nach den Regeln der Supersymmetrie verhalten. Das ist eine Art „Spiegelwelt" der Teilchenphysik, in der jedes Teilchen einen Partner hat.

Das Problem beim Simulieren dieser Welt mit klassischen Computern (wie Ihrem Laptop) ist wie der Versuch, ein Bild zu malen, während jemand ständig die Farben verwischt. In der Physik nennt man das ein „Vorzeichen-Problem" (Sign Problem). Es ist so schlimm, dass die herkömmlichen Rechenmethoden völlig versagen. Die Zahlen werden so chaotisch, dass man keine vernünftige Antwort bekommt.

Die Lösung: Ein neuer Rechner-Typ

Hier kommen Quantencomputer ins Spiel. Man kann sich einen klassischen Computer wie einen sehr schnellen, aber starren Taschenrechner vorstellen. Ein Quantencomputer hingegen ist wie ein Chamäleon: Er kann sich gleichzeitig in viele verschiedene Zustände verwandeln und so die Natur der Quantenwelt viel natürlicher nachahmen.

Die Forscher aus Liverpool haben untersucht, wie man diese Quantencomputer nutzt, um zu verstehen, ob die Supersymmetrie in bestimmten Systemen „bricht" (also zusammenfällt) oder stabil bleibt. Der Schlüssel dazu ist die Energie des Systems:

• Wenn die niedrigste Energie Null ist, ist die Supersymmetrie intakt (wie ein perfekt ausbalancierter Turm).
• Wenn die Energie über Null liegt, ist die Supersymmetrie gebrochen (der Turm ist umgefallen).

Der Trick: Der adaptive Baumeister (AVQE)

Um die Energie zu finden, nutzen die Forscher einen Algorithmus namens VQE (Variational Quantum Eigensolver). Stellen Sie sich das wie einen Baumeister vor, der versucht, einen perfekten Turm zu bauen, um die niedrigste Energie zu erreichen.

Das Problem bei herkömmlichen Methoden ist, dass der Baumeister oft zu viele Steine (Gatter) verwendet. Das macht den Turm zu hoch und instabil, besonders auf den aktuellen, noch fehleranfälligen Quantencomputern (den sogenannten NISQ-Geräten).

Die Innovation der Forscher:
Sie haben einen adaptiven Baumeister (AVQE) entwickelt.

• Statt blind zu bauen: Der Baumeister schaut sich erst an, welcher einzelne Stein den größten Unterschied macht.
• Schritt für Schritt: Er fügt nur genau diesen einen, wichtigsten Stein hinzu, prüft das Ergebnis und sucht dann den nächsten besten Stein.
• Das Ergebnis: Statt einen riesigen, unnötigen Turm zu bauen, entsteht ein schlanker, effizienter Turm mit genau den richtigen Steinen. Das spart Zeit und macht das Ganze robuster gegen Fehler.

Der Test: Vom Papier auf den echten Chip

Die Forscher haben diesen Algorithmus erst auf klassischen Computern getestet und dann auf echten Quanten-Chips von IBM laufen lassen.

• Die Herausforderung: Echte Quantencomputer sind wie ein neues Auto im Regen: Sie sind mächtig, aber sie machen Fehler (Rauschen). Wenn man zu viele Steine (Schaltkreise) baut, verfälscht das Rauschen das Ergebnis.
• Die Erkenntnis: Die Forscher stellten fest, dass sie oft nicht den perfekten Turm brauchen, sondern nur die ersten paar wichtigen Steine. Wenn sie den Turm nach vier Schritten abbrachen (trunkierten), bekamen sie auf dem fehleranfälligen Quantencomputer oft bessere Ergebnisse als wenn sie versucht hätten, den ganzen riesigen Turm zu bauen.
• Fehlerkorrektur: Um die Fehler zu minimieren, nutzten sie spezielle Tricks (Error Mitigation). Das ist wie das Putzen eines schmutzigen Fensters: Es verbessert die Sicht, kostet aber viel Zeit und Wasser (Rechenleistung).

Was bedeutet das für die Zukunft?

Die Studie zeigt, dass man mit diesen cleveren, sparsamen Bauplänen (den adaptiven Ansätzen) schon heute auf aktuellen, fehlerbehafteten Quantencomputern sinnvolle physikalische Fragen beantworten kann.

Der Ausblick:
Die Forscher wollen nun noch komplexere Modelle testen (wie das Wess-Zumino-Modell), die wie ein riesiges Hochhaus statt eines kleinen Turms sind. Da die aktuellen Quantencomputer dafür noch zu klein und fehleranfällig sind, planen sie, ihre Methode mit einem neuen Algorithmus (SKQD) zu kombinieren, der noch weniger Rechenleistung braucht.

Zusammenfassend:
Die Forscher haben einen Weg gefunden, wie man mit den heutigen, noch unperfekten Quantencomputern komplexe physikalische Rätsel löst, indem sie nicht versuchen, alles perfekt zu machen, sondern smart und sparsam bauen – genau wie ein kluger Architekt, der weiß, wann ein Turm stabil genug ist, auch wenn er nicht bis zum Himmel reicht.

Technische Zusammenfassung

Titel: Simulation supersymmetrischer Quantenmechanik mit Variationalen Quantenalgorithmen

Autoren: John Kerfoot, David Schaich, Emanuele Mendicelli (Universität Liverpool)

---

1. Problemstellung

Die Untersuchung der spontanen Supersymmetriebrechung (SSB) in Gitterfeldtheorien stößt in der klassischen Simulation auf ein schwerwiegendes Vorzeichenproblem (Sign Problem).

• Herausforderung: Bei Monte-Carlo-Methoden für die Euklidische Pfadintegral-Formulierung wird das Gewicht komplex, was eine effiziente Importance Sampling unmöglich macht. Zudem führt SSB zu einem verschwindenden Witten-Index und damit zu einer verschwindenden euklidischen Partitionsfunktion.
• Lösungsansatz: Die Untersuchung im Hamilton-Formalismus vermeidet das Vorzeichenproblem. Da der Hilbert-Raum jedoch exponentiell mit der Systemgröße wächst, ist eine klassische Berechnung für größere Systeme nicht durchführbar.
• Ziel: Nutzung von Quantencomputern, um den Hilbert-Raum mit polynomialen Ressourcen zu adressieren, speziell im aktuellen NISQ-Zeitalter (Noisy Intermediate-Scale Quantum), wo Rauschen und Schaltungstiefe limitierende Faktoren sind.

2. Methodik

A. Theoretisches Modell

Die Autoren untersuchen die supersymmetrische Quantenmechanik (SQM) in 0+1 Dimensionen mit einem Boson und einem Fermion. Der Hamilton-Operator lautet:
$$H = \frac{1}{2} \left( \hat{p}^2 + [W'(\hat{q})]^2 - W''(\hat{q}) [\hat{b}^\dagger, \hat{b}] \right)$$
Dabei ist $W(\hat{q})$ das Superpotential. Es werden drei Fälle betrachtet (mit Parametern $m=g=\mu=1$):

1. Harmonischer Oszillator (HO): Erwartet erhaltene Supersymmetrie.
2. Anharmonischer Oszillator (AHO): Erwartet erhaltene Supersymmetrie.
3. Doppelpotentialtopf (DW): Erwartet spontane Supersymmetriebrechung (SSB).

Die Erhaltung oder Brechung der Supersymmetrie wird durch die Grundzustandsenergie bestimmt: Ist die Energie null, ist die Symmetrie erhalten; ist sie positiv, liegt SSB vor.

B. Regularisierung und Digitalisierung

• Bosonen: Der unendlichdimensionale Hilbert-Raum wird durch einen Cut-off $\Lambda$ (Anzahl der erlaubten Bosonenmoden) regularisiert. Dies wird mittels Fock-Basis auf $N_b$ Qubits abgebildet ($\Lambda = 2^{N_b}$).
• Fermionen: Werden über die Jordan-Wigner-Transformation auf Qubits abgebildet ($|0\rangle$ = Abwesenheit, $|1\rangle$ = Anwesenheit).

C. Adaptive-VQE (AVQE) Algorithmus

Um die Limitierungen von VQE (Variational Quantum Eigensolver) auf NISQ-Hardware zu überwinden, wird ein adaptiver Ansatz entwickelt:

• Operator-Pool: Statt parametrisierter Zeitentwicklungsoperatoren wird ein Pool aus einfachen Ein-Qubit-Rotationen ($R_Y, R_Z$) und Zwei-Qubit-gesteuerten Rotationen ($CR_Y$) verwendet.
• Iterativer Aufbau: Der Algorithmus beginnt mit einem Basiszustand (basierend auf der erwarteten Fermion-Besetzung) und fügt schrittweise den Operator hinzu, der den größten Gradienten der Erwartungswert-Energie liefert.
• Trunkierung (Truncation): Ein zentrales Ergebnis ist die Beobachtung, dass die ersten hinzugefügten Gatter den größten Einfluss auf die Energie haben. Daher werden die Schaltungen nach den ersten vier Gattern abgeschnitten, um die Schaltungstiefe und das Rauschen auf realer Hardware zu minimieren, ohne die Genauigkeit signifikant zu verlieren.

3. Wichtige Beiträge

1. Adaptive Ansatz-Konstruktion: Entwicklung eines AVQE-Algorithmus, der hardware-effiziente und problemspezifische Ansätze (Ansätze) automatisch generiert, indem er Operatoren basierend auf ihrem Energiegradienten auswählt.
2. Reduktion der Ressourcen: Durch die Identifizierung von Mustern in den generierten Schaltungen (dass frühe Gatter dominieren) wird vorgeschlagen, Ansätze zu truncieren. Dies reduziert die Anzahl der variablen Parameter und die Schaltungstiefe, was für NISQ-Hardware entscheidend ist.
3. Erste Ergebnisse auf echter Hardware: Präsentation von VQE-Ergebnissen auf echten IBM-Quantenprozessoren (ibm_torino, ibm_kingston) unter Einbeziehung von Fehlerminderungstechniken.

4. Ergebnisse

Klassische Simulationen (Statevector)

• Der AVQE-Algorithmus konnte für verschiedene Cut-offs ($\Lambda$ bis 64) sehr genaue Grundzustandsenergien reproduzieren.
• Es zeigte sich ein klares Muster: Für $\Lambda \ge 16$ werden die gleichen initialen Gatter hinzugefügt.
• Die Trunkierung auf die ersten vier Gatter erwies sich als optimaler Kompromiss zwischen Ausdruckskraft (Expressivity) und Rauschanfälligkeit.

Ergebnisse auf IBM-Hardware

• Genauigkeit: Auf realer Hardware konnte die hohe Genauigkeit der klassischen Simulation ($\sim 10^{-3}$ oder besser) nicht erreicht werden. Selbst für kleine Systeme ($\Lambda \le 8$) traten große energiebedingte Fehler durch Gate-Rauschen und Auslesefehler auf.
• Fehlerminderung (Error Mitigation):
  • Die Nutzung von Qiskits "Resilience Levels" (RL) verbesserte die Ergebnisse drastisch.
  • RL 1 (Twirled Readout Error eXtinction) und RL 2 (zusätzlich Zero-Noise Extrapolation) reduzierten den Fehler im AHO-Fall ($\Lambda=8$) um den Faktor 7 bzw. über 90.
  • Kosten: Diese Verbesserung geht mit einem massiven Anstieg des QPU-Verbrauchs einher (Faktor 2,5 für RL 1, Faktor 4 für RL 2).
• Skalierung: Die Anzahl der benötigten Pauli-Terme ($N_P$) und variablen Parameter ($N_\theta$) wächst mit $\Lambda$, was die QPU-Nutzung und die Fehleranfälligkeit weiter erhöht.

5. Bedeutung und Ausblick

• Bedeutung: Die Arbeit demonstriert, dass VQE mit adaptiven, getrunkenen Ansätzen ein vielversprechender Weg ist, um SSB in supersymmetrischen Theorien zu untersuchen, wo klassische Methoden versagen. Sie zeigt jedoch auch die harten Grenzen aktueller NISQ-Hardware auf, insbesondere hinsichtlich der Skalierbarkeit und der Kosten für Fehlerminderung.
• Zukünftige Richtungen:
  • Die Autoren planen, auf komplexere Modelle wie das 1+1D Wess-Zumino-Modell überzugehen.
  • Da VQE auf NISQ-Hardware für diese komplexeren Modelle wahrscheinlich nicht skalierbar ist, wird die Sample-based Krylov Quantum Diagonalization (SKQD) als alternative, rauschresistentere Methode untersucht.
  • Die hier entwickelten AVQE-Ansätze sollen als initiale Zustände für SKQD dienen, um die Konvergenz zu verbessern, selbst wenn die AVQE-Ergebnisse nicht perfekt sind.

Fazit: Das Paper liefert einen wichtigen Baustein für die Anwendung von Quantenalgorithmen in der Hochenergiephysik, indem es zeigt, wie adaptive Methoden und gezielte Trunkierung die Machbarkeit von Berechnungen auf unvollkommenen Quantenhardware verbessern können, während gleichzeitig die Notwendigkeit neuer, robusterer Algorithmen für größere Systeme aufgezeigt wird.