Continuous-time evolution via probabilistic angle interpolation and its applications

Dieser Artikel stellt einen stochastischen Zeitentwicklungsalgorithmus auf Basis probabilistischer Winkelinterpolation vor, der durch den kontinuierlichen Zeitlimit-Trotter-Fehler eliminiert, eine spezifische Rauschminderungsmethode integriert und seine Wirksamkeit sowohl durch numerische Simulationen als auch durch Experimente auf dem Quantencomputer Quantinuum Reimei bei der Berechnung der Grundzustandsenergie von $H_3^+$ und von Out-of-Time-Ordered Correlators im SYK-Modell demonstriert.

Das Wesentliche

Quanten-Zeitreisen ohne Zeitreise-Maschine: Eine einfache Erklärung

Stellen Sie sich vor, Sie wollen eine Reise durch die Zeit machen, um zu sehen, wie sich ein komplexes System (wie ein Molekül oder ein exotischer Materiezustand) entwickelt. In der klassischen Welt können wir das mit Computern berechnen. Aber in der Quantenwelt ist das extrem schwierig, weil Quantencomputer heute noch sehr „laut" und fehleranfällig sind. Jeder kleine Fehler beim Berechnen einer Zeitschritt-Folge (wie beim Gehen über eine Brücke, bei der jede Platte wackelt) führt dazu, dass das Ergebnis völlig falsch ist.

Dieser neue Bericht von Forschern des RIKEN und Quantinuum stellt eine clevere neue Methode vor, um diese Reise trotzdem erfolgreich zu gestalten. Hier ist die Idee, einfach erklärt:

1. Das Problem: Der wackelige Brückenweg

Normalerweise versuchen Quantencomputer, die Zeit in kleine, feste Schritte zu unterteilen (wie beim Gehen über eine Brücke mit festen Platten). Das nennt man „Trotterisierung". Das Problem: Je kleiner die Schritte, desto genauer das Ergebnis, aber desto mehr Schritte braucht man. Und bei jedem Schritt schleicht sich ein Fehler ein. Bei heutigen fehleranfälligen Computern ist das wie der Versuch, über eine wackelige Brücke zu laufen, ohne hinzufallen – fast unmöglich.

2. Die Lösung: Der „Wahrscheinlichkeits-Sprung"

Die Forscher haben eine neue Methode namens TE-PAI entwickelt. Statt starr über die Brücke zu gehen, nutzen sie einen Trick:
Stellen Sie sich vor, Sie wollen von Punkt A nach Punkt B. Anstatt einen geraden Weg zu gehen, lassen Sie einen Würfel entscheiden, ob Sie einen kleinen Sprung nach links, rechts oder geradeaus machen.

• Der Clou: Wenn Sie diesen Würfelwurf oft genug wiederholen und die Ergebnisse im Durchschnitt betrachten, landen Sie genau dort, wo Sie hinwollen – ohne jemals einen einzelnen falschen Schritt gemacht zu haben.
• Die Zeit: Sie haben die „Brücke" (die Zeit) komplett aufgelöst. Es gibt keine festen Schritte mehr. Die Zeit fließt kontinuierlich, und die Quantencomputer führen nur zufällige, kurze Sprünge aus. Das eliminiert den Fehler, der durch das „Zerhacken" der Zeit entsteht.

3. Der Preis: Mehr Würfelwürfe statt mehr Schritte

Da die einzelnen Sprünge zufällig sind, ist das Ergebnis eines einzelnen Versuchs immer etwas verrauscht. Aber wenn man den Versuch oft wiederholt (viele Würfelwürfe), mittelt sich der Rauschen heraus, und das wahre Bild kommt zum Vorschein.

• Die Metapher: Es ist wie das Bestimmen der Durchschnittstemperatur eines Sees. Ein einzelner Messpunkt ist ungenau. Aber wenn Sie 1.000 Messungen machen, wissen Sie genau, wie warm das Wasser ist.
• Der Vorteil: Die einzelnen Messungen (die Quantenschaltungen) sind sehr kurz und einfach. Das ist perfekt für die heutigen, fehleranfälligen Computer, die lange Berechnungen nicht überleben.

4. Der „Lärm-Filter" (Noise Mitigation)

Selbst mit dieser Methode gibt es noch Hintergrundlärm (wie ein störender Radiosender). Die Forscher haben einen cleveren Filter entwickelt:
Sie führen das Experiment zweimal durch: einmal mit „großen" Sprüngen (weniger Schritte, aber mehr Lärm) und einmal mit „kleinen" Sprüngen (mehr Schritte, weniger Lärm).
Dann vergleichen sie die Ergebnisse und rechnen mathematisch zurück, wie das Ergebnis aussehen würde, wenn es gar keinen Lärm gäbe. Das ist wie das Entfernen von Hintergrundgeräuschen aus einer Aufnahme, indem man zwei Aufnahmen mit unterschiedlicher Lautstärke vergleicht.

5. Was haben sie damit erreicht?

Die Forscher haben ihre Methode an zwei Beispielen getestet:

1. Das H₃⁺-Molekül: Sie haben berechnet, wie viel Energie ein bestimmtes Molekül im stabilsten Zustand hat. Das ist wichtig für die Chemie und die Entwicklung neuer Medikamente. Ihr Verfahren lieferte sehr genaue Ergebnisse, ohne dass der Computer „verwirrt" wurde.
2. Das „SYK-Modell": Das ist ein sehr komplexes, chaotisches Quantensystem, das oft in der theoretischen Physik (und sogar in der Schwarze-Loch-Forschung) verwendet wird. Hier zeigten sie, dass ihre Methode auch bei extrem chaotischen Systemen funktioniert.

6. Der echte Test: Der Quantencomputer „Reimei"

Nicht nur im Computer-Simulator, sondern auf einem echten Quantencomputer (dem Quantinuum Reimei, der mit gefangenen Ionen arbeitet) haben sie das getestet.

• Das Ergebnis: Die Methode funktionierte! Die berechneten Werte näherten sich dem wahren Wert an, je mehr Messungen sie machten.
• Die Herausforderung: Der echte Computer ist noch nicht perfekt. Es gab immer noch etwas „Rauschen", das die Genauigkeit begrenzte. Aber die Methode hat gezeigt, dass sie robust genug ist, um auf echter Hardware zu funktionieren.

Fazit

Diese Arbeit ist wie der Bau einer neuen Art von Brücke für Quantencomputer. Anstatt eine riesige, perfekte Brücke zu bauen (die wir noch nicht haben), bauen wir viele kleine, einfache Stege, die zufällig angeordnet sind. Wenn wir sie oft genug nutzen, erhalten wir ein perfektes Bild der Zukunft – auch wenn unsere Werkzeuge heute noch etwas wackelig sind.

Es ist ein großer Schritt hin zu nützlichen Quantenberechnungen, noch bevor wir über die „perfekten, fehlerfreien" Computer von morgen nachdenken müssen.

Technische Zusammenfassung

Problemstellung

Aktuelle Quantenhardware ist stark durch Rauschen (Noise) aufgrund unvollkommener Quantenoperationen und Umgebungswechselwirkungen beeinträchtigt. Obwohl Quantenfehlerkorrektur langfristig die Fehlerraten senken soll, bleiben in den frühen Phasen fehlertoleranten Rechnens logische Fehler signifikant. Dies begrenzt die Tiefe und Breite kohärent ausführbarer Schaltkreise.
Um diese Einschränkungen zu umgehen, werden stochastische Quantenalgorithmen entwickelt, die die Größe des Schaltkreises auf Kosten anderer Ressourcen (wie Sampling-Overhead und klassischer Vor-/Nachverarbeitung) reduzieren. Ein spezifisches Problem bei herkömmlichen stochastischen Zeitentwicklungs-Algorithmen ist die Diskretisierung der Zeit (Trotterisierung), die zu Trotter-Fehlern führt und eine aufwendige Vorverarbeitung erfordert, um diese Fehler zu kontrollieren.

Methodik

Das Papier stellt eine Weiterentwicklung des stochastischen Zeitentwicklungs-Algorithmus basierend auf probabilistischer Winkelinterpolation (TE-PAI) vor, angepasst für rauschbehaftete Quantencomputer.

1. Kontinuierlicher Zeitlimit (Continuous-Time Limit):

   • Der Kern der Methode ist die explizite Übernahme des Kontinuumslimits ($\tau \to 0$) für die Zeitdiskretisierung.
   • Anstatt diskreter Trotter-Schritte werden die Zeitentwicklungen durch stochastisch generierte Prozesse beschrieben. Für einen Hamilton-Operator $H = \sum c_k P_k$ (wobei $P_k$ Pauli-Strings sind) werden die Terme als Poisson-Prozesse mit Raten $r^{(k)}_2$ und $r^{(k)}_3$ modelliert.
   • Dies eliminiert Trotter-Fehler vollständig auf Kanalebene und vereinfacht die klassische Vorverarbeitung erheblich, da keine Diskretisierungsschritte mehr gewählt werden müssen.

2. Probabilistische Winkelinterpolation:

   • Der Algorithmus nutzt eine Identität für unitäre Kanäle, bei der eine Rotation um einen Winkel $\theta$ als Linearkombination von drei Termen dargestellt wird: der Identität, einer Rotation um einen festen Winkel $\Delta$ und einer Rotation um $\pi$.
   • Der freie Parameter $\Delta$ steuert den Trade-off zwischen der durchschnittlichen Gatteranzahl pro Schaltkreis und dem Sampling-Overhead (Normalisierungsfaktor).
   • Ein größerer $\Delta$ reduziert die Gattertiefe, erhöht aber den Sampling-Overhead exponentiell mit der Zeit und der $\ell_1$-Norm der Hamilton-Koeffizienten.

3. Rauschminderung (Zero-Noise Extrapolation - ZNE):

   • Eine maßgeschneiderte ZNE-Methode wird eingeführt. Da der Parameter $\Delta$ die Gatteranzahl beeinflusst, aber im rauschfreien Fall den Erwartungswert nicht ändert, können zwei verschiedene $\Delta$-Werte ($\Delta_1, \Delta_2$) verwendet werden.
   • Unter der Annahme einer linearen Abhängigkeit des Rauschens von der Gatteranzahl wird der Erwartungswert durch lineare Extrapolation auf den Grenzfall $\Delta \to \infty$ (was einer Gatteranzahl von Null entspricht) korrigiert.

4. Anwendungsszenarien:

   • Grundzustandsenergie von $H_3^+$: Verwendung von adiabatischer Grundzustandsvorbereitung (mit TE-PAI) in Kombination mit dem Hadamard-Test (unter Verwendung des TETRIS-Algorithmus für die unitäre Zeitentwicklung $V_H$).
   • OTOCs im sparse SYK-Modell: Berechnung von Out-of-Time-Ordered Correlators (OTOCs) im sparsamen Sachdev-Ye-Kitaev-Modell, um chaotisches Verhalten zu untersuchen. Dies erfordert die Interferenz von zwei unabhängig gesampelten TE-PAI-Schaltkreisen.

Wichtige Beiträge

• Theoretische Vereinfachung: Die explizite Formulierung von TE-PAI im Kontinuumslimit beseitigt systematische Trotter-Bias und macht die Ressourcen-Trade-offs (Tiefe vs. Sampling) transparent.
• Rauschrobustheit: Die Integration einer spezifischen ZNE-Strategie, die direkt auf den Interpolationsparameter $\Delta$ angewendet wird, ermöglicht eine effektive Rauschminderung ohne zusätzliche Gatterstrecken (wie bei herkömmlichen ZNE).
• Experimentelle Validierung: Der erste experimentelle Nachweis auf einem echten Quantenprozessor (Quantinuum Reimei, 20 Ionen-Qubits) für die Grundzustandsenergie eines Moleküls unter Verwendung dieses stochastischen Ansatzes.

Ergebnisse

1. Numerische Simulationen ($H_3^+$):

   • Der stochastische Algorithmus liefert eine unverzerrte (unbiased) Schätzung der Grundzustandsenergie, im Gegensatz zur Trotterisierung, die bei geringer Gattertiefe systematische Fehler aufweist.
   • Die statistischen Fehler (Sampling-Fehler) sind bei moderaten Gatterzahlen (bis ca. 250 Zwei-Qubit-Gatter) kleiner als die Trotter-Fehler.
   • Die Kombination aus TE-PAI (für Adiabatik) und TETRIS (für Hadamard-Test) zeigt eine hohe Effizienz.

2. Numerische Simulationen (sparse SYK & OTOCs):

   • Die ZNE-Methode konnte den durch Rauschen verursachten Signalverlust teilweise kompensieren und die Ergebnisse an den idealen, rauschfreien Trend annähern.
   • Die Simulation bestätigte, dass größere $\Delta$-Werte weniger Hardware-Rauschen, aber mehr Sampling-Fehler verursachen, was die Notwendigkeit der Extrapolation unterstreicht.

3. Hardware-Experiment (Quantinuum Reimei):

   • Die Schätzung der Grundzustandsenergie von $H_3^+$ näherte sich mit steigender Anzahl an Samples dem exakten Wert an.
   • Herausforderung: Die statistische Unsicherheit war aufgrund von Hardware-Rauschen (insbesondere „Memory Noise" durch Dephasierung während Wartezeiten) so groß, dass eine definitive Überlegenheit gegenüber dem Anfangszustand ($|HF\rangle$) nicht eindeutig nachgewiesen werden konnte.
   • Zusätzliche Simulationen auf einem Emulator zeigten, dass das Fehlen von Memory-Noise die Ergebnisse signifikant verbessert, was darauf hindeutet, dass Memory-Noise der Hauptlimitierungsfaktor im aktuellen Experiment war.

Bedeutung und Ausblick

Das Papier demonstriert, dass stochastische Algorithmen im Kontinuumslimit eine vielversprechende Alternative zu herkömmlichen Trotter-basierten Methoden für Noisy Intermediate-Scale Quantum (NISQ) Geräte darstellen. Sie bieten eine flexible Kontrolle über die Ressourcen und ermöglichen eine natürliche Integration von Rauschminderungstechniken.

Die Arbeit zeigt jedoch auch die aktuellen Grenzen auf: Der Sampling-Overhead und die Empfindlichkeit gegenüber Hardware-Rauschen (insbesondere Memory Noise bei langen Schaltkreisen) sind noch limitierende Faktoren. Zukünftige Verbesserungen könnten durch adaptive Scheduling-Strategien für $\Delta$, varianzbewusste Shot-Allokation und Techniken zur Unterdrückung von Memory Noise (z. B. dynamische Entkopplung) erreicht werden. Der Ansatz ist besonders vielversprechend für Probleme mit vielen Pauli-Termen und kleinen $\ell_1$-Normen, wie sie in der Quantenchemie und bei bestimmten physikalischen Modellen (SYK) auftreten.