Symmetry-adapted qubit encoding with complete active space and Bravyi--Kitaev mapping for quantum chemistry on a quantum computer

Diese Arbeit führt eine Symmetrie-adaptierte Qubit-Kodierung mit Complete Active Space (SAE-CAS) ein, die approximative Z-Symmetrien und das Bravyi-Kitaev-Mapping integriert, um die Qubit-Anzahl und die Schaltkreiskomplexität für Quantenchemie-Simulationen signifikant zu reduzieren, wobei sie eine überlegene Konvergenz und Ressourceneffizienz gegenüber Standardmethoden sowohl auf aktuellen als auch auf fehlertoleranten Quantenprozessoren demonstriert.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen, ein riesiges, unglaublich komplexes Jigsaw-Puzzle zu lösen, um zu verstehen, wie ein Molekül funktioniert. In der Welt der Quantenchemie ist dieses Puzzle die „Elektronische Struktur“ eines Moleküls. Um dieses Puzzle auf einem Quantencomputer zu lösen, müssen wir normalerweise für jeden einzelnen Ort, an dem sich ein Elektron befinden könnte, ein winziges Stück des Computers (ein „Qubit“) zuweisen.

Das Problem? Selbst für kleine Moleküle erfordert dies Tausende von Puzzleteilen (Qubits), und die Anweisungen zur Montage der Teile (der Schaltkreis) werden so lang und verschlungen, dass heutige Computer sie nicht bewältigen können und selbst zukünftige Computer damit kämpfen werden.

Dieses Paper stellt eine clevere neue Methode vor, um das Puzzle zu lösen, die sich SAE-CAS nennt. So funktioniert es, unter Verwendung einfacher Analogien:

1. Die „Einfrieren und Ignorieren“-Strategie (Der CAS-Teil)

Stellen Sie sich ein Molekül wie ein belebtes Bürogebäude vor.

• Der gefrorene Kern (Frozen Core): Das Untergeschoss und das oberste Stockwerk sind immer mit Menschen besetzt, die niemals das Gebäude verlassen und auch nicht mit dem Rest des Gebäudes interagieren. In der Quantenterminologie sind dies „Frozen-Core“-Elektronen. Sie sind langweilig und vorhersehbar.
• Die Virtuellen (Virtuals): Das Dachgeschoss ist komplett leer und wird wahrscheinlich auch leer bleiben. Dies sind „virtuelle“ Orbitale.
• Der Aktive Raum (Active Space): In den mittleren Etagen spielt die eigentliche Action ab. Menschen bewegen sich herum, reden und verändern Dinge. Dies ist der „aktive Raum“.

Traditionelle Methoden versuchen, ein Qubit für jedes Stockwerk zuzuweisen, selbst für das langweilige Untergeschoss und das leere Dachgeschoss. SAE-CAS sagt: „Lass uns das Untergeschoss und das Dachgeschoss einfach ignorieren.“ Wir weisen nur den mittleren Etagen Qubits zu, in denen die interessante Chemie stattfindet. Dies verkleinert sofort die Größe des Puzzles, das wir lösen müssen.

2. Die „Symmetrie-Abkürzung“ (Der SAE-Teil)

Selbst innerhalb der belebten mittleren Etagen gibt es Regeln. Zum Beispiel ist in einem Wassermolekül die linke Seite ein Spiegelbild der rechten Seite. Wenn man weiß, was auf der linken Seite passiert, weiß man automatisch auch, was auf der rechten Seite passiert.

Normalerweise berechnen Computer beide Seiten separat, was Zeit und Ressourcen verschwendet. SAE-CAS nutzt einen mathematischen „Zaubertrick“ (eine sogenannte affine Clifford-Transformation), um zu erkennen, dass wir aufgrund dieser Spiegelregeln nicht für beide Seiten separate Qubits benötigen. Wir können das Puzzle mathematisch „falten“. Dies entfernt noch mehr Qubits und macht das Puzzle kleiner und einfacher zu lösen.

3. Die „Übersetzung“ (Der Bravyi–Kitaev-Teil)

Sobald wir unser winziges, gefaltetes Puzzle haben, müssen wir es in eine Sprache übersetzen, die der Quantencomputer versteht. Es gibt zwei Hauptübersetzer:

• Jordan-Wigner (JW): Der Standard-Übersetzer. Er ist einfach, aber macht die Anweisungen sehr lang (wie beim Lesen eines Buches, bei dem jedes Wort wiederholt wird).
• Bravyi–Kitaev (BK): Ein klügerer Übersetzer. Er organisiert die Informationen effizienter, sodass die Anweisungen kürzer und weniger verschlungen sind.

Die Autoren zeigen, dass man ihre „Gefaltete Puzzle“-Methode (SAE-CAS) mit jedem der beiden Übersetzer verwenden kann. Sie haben eine Version namens SAE-CAS-BK entwickelt, die den klügeren Übersetzer verwendet. Dies ändert nicht das Endergebnis, macht aber oft den Weg dorthin reibungsloser und schneller.

Was haben sie herausgefunden?

Die Autoren haben diese Methode an neun kleinen Molekülen (wie Wasser, Sauerstoff und Stickstoff) getestet, wobei sie zwei verschiedene „Suchstrategien“ (Algorithmen) verwendeten, um die Energie des Moleküls zu finden:

1. UCCSD: Eine chemisch präzise, aber komplexe Suche.
2. HE-SCA: Eine einfachere, hardwarefreundlichere Suche.

Die Ergebnisse:

• Weniger Qubits: Durch das Ignorieren der langweiligen Teile und das Falten der symmetrischen Teile benötigten sie signifikant weniger Qubits (manchmal wurde die Anzahl der Qubits halbiert oder sogar mehr reduziert).
• Kürzere Schaltkreise: Die Anweisungen zum Ausführen der Simulation waren viel kürzer und weniger verschlungen.
• Schnellerer Erfolg: Bei der Verwendung der einfacheren Suchstrategie (HE-SCA) fand ihre Methode für jedes getestete Molekül die richtige Antwort. Die alte Methode (JW-CAS) blieb bei Sauerstoff und Kohlenmonoxid stecken und konnte die Antwort nicht innerhalb der Zeitlimits finden.
• Kein Verlust an Genauigkeit: Obwohl sie die „langweiligen“ Elektronen ignorierten und das Puzzle falteten, waren die finalen Energiewerte genauso genau wie bei den standardmäßigen, massiven Berechnungen.

Das Fazament

Die Autoren haben ein „ressourceneffizientes“ Toolkit gebaut. Sie haben bewiesen, dass man die Teile eines Moleküls, die sich nicht verändern, sicher wegwerfen und die symmetrischen Teile falten kann, ohne die korrekte Antwort zu verlieren. Dies ermöglicht es, diese komplexen chemischen Simulationen auf Quantencomputern durchzuführen, die viel kleiner und weniger leistungsstark sind, als bisher angenommen wurde.

Sie haben auch den Code für diesen „Zaubertrick“ kostenlos zur Verfügung gestellt (in einem Paket namens QuantumSymmetry), damit andere ihn nutzen können, um Moleküle auf ihren eigenen Quantencomputern zu simulieren.

Technische Zusammenfassung

Technische Zusammenfassung: Symmetrie-adaptierte Qubit-Kodierung mit Complete Active Space und Bravyi–Kitaev-Mapping

Problemstellung
Quantenchemische Simulationen auf NISQ-Prozessoren (Near-term Intermediate-Scale Quantum) und fehlertoleranten Quantenprozessoren stehen vor erheblichen Ressourcenbeschränkungen, die primär durch die Anzahl der benötigten Qubits zur Kodierung molekularer Elektronenstrukturen sowie die Komplexität (Pauli-Gewicht und Schaltungstiefe) der resultierenden Hamiltonoperatoren getrieben werden. Während die Complete Active Space (CAS)-Approximation die Problemgröße reduziert, indem sie den Kern-Orbitalbereich einfriert und virtuelle Orbitale verwirft, versagen Standardimplementierungen oft dabei, Symmetrien voll auszuschöpfen, um die Qubit-Anzahl weiter zu minimieren. Zudem bieten unterschiedliche Fermion-zu-Qubit-Mappings, wie etwa Jordan–Wigner (JW) und Bravyi–Kitaev (BK), Trade-offs zwischen Lokalität und Qubit-Anforderungen, die nicht immer optimal mit Symmetriereduktionstechniken integriert sind.

Methodik
Die Autoren schlagen einen vereinheitlichten Rahmen namens Symmetry-Adapted Encoding with Complete Active Space (SAE-CAS) vor. Dieser Ansatz behandelt die CAS-Approximation nicht bloß als eine Trunkierung des Hilbert-Raums, sondern als die Auferlegung von approximativen $Z$-Symmetrien auf eingefrorene Kern- und virtuelle Orbitale.

1. Theoretischer Rahmen:

   • Approximative Symmetrien: Die Methode erweitert exakte symmetrie-adaptierte Kodierungen (SAEs) auf approximative Symmetrien, die aus festen Orbitalbesetzungen (Frozen-Core und virtuelle Orbitale) resultieren. Diese werden als $Z$-Symmetrien modelliert, bei denen spezifische Qubits auf Eigenwerte von $-1$ (eingefroren) oder $+1$ (virtuell) beschränkt sind.
   • Affine Clifford-Transformationen: Die Reduktion erfolgt über affine Clifford-Abbildungen. Die Autoren definieren eine binäre Orbital-Charakter-Matrix $S$, welche die Symmetrien repräsentiert. Durch Konstruktion einer invertierbaren affinen Abbildung $T$ über $\mathbb{F}_2$ transformieren sie die Kompositionsbasis so, dass die Symmetriebeschränkungen den festen Werten (typischerweise 0) auf spezifischen Qubits entsprechen.
   • Qubit-Entfernung: Sobald der Hamiltonoperator durch den Clifford-Operator konjugiert wurde, werden Terme, die $X$ oder $Y$ auf den beschränkten Qubits enthalten, verworfen, und die beschränkten $Z$-Operatoren werden durch Skalare ersetzt. Dies entfernt permanent die redundanten Qubits und reduziert das System von $n$ Spin-Orbitalen auf $n-k$ Qubits, wobei $k$ die Anzahl der unabhängigen Symmetrien ist.
   • Äquivalenzbeweis: Die Autoren beweisen, dass der resultierende aktive-Raum-Qubit-Hamiltonian exakt äquivalent zum kanonischen CAS-Hamiltonian ist, der mittels Frozen-Core- und virtueller Orbitalprojektion in der molekularen Elektronenstrukturtheorie abgeleitet wurde. Der Approximationsfehler ergibt sich ausschließlich aus der Wahl des aktiven Raums, nicht aus der Kodierung.

2. Integration mit Bravyi–Kitaev (SAE-CAS-BK):

   • Der Rahmen wird auf das Bravyi–Kitaev (BK) Mapping erweitert. Da die BK-Transformation selbst eine affine Clifford-Basisänderung auf den komputationalen Bitstrings ist, kann sie mit der SAE-CAS Clifford-Abbildung komponiert werden.
   • Die resultierende SAE-CAS-BK Kodierung ist unitär äquivalent zu SAE-CAS. Sie bewahrt die Qubit-Anzahl, die Anzahl der Pauli-Terme und die Variationsparameter, verändert jedoch die Lokalitätsstruktur (Pauli-Gewicht pro Term) sowie die resultierende Schaltungstiefe und die CNOT-Anzahl.

3. Numerische Benchmarking-Tests:

   • Die Methode wurde an neun kleinen Molekülen (darunter H$_2$O, C$_2$H$_4$, O$_2$, N$_2$ und C$_4$H$_6$) unter Verwendung eines minimalen STO-3G-Basissatzes getestet.
   • Es wurden zwei Variationelle Ansätze verwendet: Unitary Coupled Cluster mit Single- und Double-Anregungen (UCCSD) und ein Hardware-effizienter Shifted-Circular-Alternating (HE-SCA) Ansatz.
   • Vergleiche wurden gegen Standard-JW, JW-CAS (CAS mit JW, aber ohne Symmetriereduktion) und JW-CAS mit Symmetriefilterung (SF) auf der Schaltungsebene durchgeführt.

Hauptergebnisse

• Ressourcenreduktion: SAE-CAS reduziert konsistent die Anzahl der Qubits, die Anzahl der Pauli-Operatoren, die Schaltungstiefe, die CNOT-Anzahl und die Variationsparameter im Vergleich zu JW-CAS. Beispielsweise reduzierte SAE-CAS im Fall von C$_4$H$_4$ (4,4) CAS die Qubit-Anzahl von 8 (JW-CAS) auf 4 und die Pauli-Anzahl von 97 auf 46.
• Konvergenz und Genauigkeit:
  • UCCSD: SAE-CAS erreichte konvergierte Energien vergleichbar mit JW-CAS und JW-CAS (SF), benötigte jedoch signifikant weniger Optimierungsiterationen (z. B. 21 gegenüber 109 für N$_2$). Bemerkenswerterweise konnten die JW-CAS und JW-CAS (SF) UCCSD Ansätze für C$_4$H$_4$ und C$_4$H$_6$ aufgrund des Speicherüberlaufs durch die große Anzahl an Anregungen nicht ausgeführt werden, während SAE-CAS durch das Filtern der Anregungsliste während der Mapping-Phase erfolgreich war.
  • HE-SCA: SAE-CAS zeigte überlegene Konvergenzeigenschaften. Für alle getesteten Moleküle konvergierte SAE-CAS innerhalb der getesteten Layer-Budgets zu den CAS-Referenzenergien. Im Gegensatz dazu konvergierte JW-CAS für O$_2$ und CO nicht innerhalb von 200 Layern. Die Autoren führen dies auf den „Barren Plateau“-Effekt und das Sektor-Leckage-Problem in JW-CAS zurück, bei dem der variationelle Manifold in falsche Spin-Paritäts-Sektoren driftet, während SAE-CAS die Suche nativ auf den korrekten Symmetrie-Sektor beschränkt.
• SAE-CAS vs. SAE-CAS-BK: Die beiden Kodierungen erzeugten identische konvergierte Energien und Iterationszahlen, was ihre unitäre Äquivalenz bestätigt. Unterschiede wurden nur in der Schaltungstiefe und den CNOT-Anzahlen beobachtet, die für die meisten Moleküle um weniger als 6 % variierten (außer CO, das eine Steigerung von +20 % für BK verzeichnete). Die Autoren merken an, dass der asymptotische $O(\log n)$ Lokalitätsvorteil von BK bei diesen kleinen aktiven Räumen noch nicht realisiert wurde.

Bedeutung und Ansprüche
Das Paper behauptet, dass SAE-CAS einen systematischen und komponierbaren Weg zu ressourceneffizienten Molekularsimulationen bietet. Indem es die CAS-Approximation als eine Menge approximativer Symmetrien behandelt, vereinigt die Methode exakte Symmetriereduktion (Punktsymmetrie und Spin-Parität) mit der aktiven-Raum-Trunkierung. Die primäre Bedeutung liegt in:

1. Nativer Symmetrieerzwingung: Die Erzwingung von Symmetrien auf der Kodierungsebene (statt erst post-hoc im Ansatz) entfernt redundante Suchrichtungen und verhindert, dass der Optimierer in falsche Teilchenzahl- oder Spin-Sektoren driftet.
2. Skalierbarkeit: Die Methode ermöglicht Simulationen auf größeren aktiven Räumen, die aufgrund von Speicherbeschränkungen beim Konstruieren des Ansatzes (wie in den Fällen C$_4$H$_4$ und C$_4$H$_6$ gesehen) andernfalls unpraktikabel wären.
3. Flexibilität: Der Rahmen ist kompatibel mit jedem Fermion-zu-Qubit-Mapping, das als affine Clifford-Basisänderung darstellbar ist, was hier sowohl mit JW als auch mit BK demonstriert wurde.

Die Autoren stellen eine Open-Source-Implementierung in dem Python-Paket QuantumSymmetry bereit und schließen damit, dass SAE-CAS ein gangbarer Weg zur Reduktion der Qubit-Anzahl und der Operator-Komplexität sowohl für Near-Term- als auch für Fault-Tolerante Quantenprozessoren ist.