Variational Perturbation Theory in Open Quantum Systems for Efficient Steady State Computation

1. El Problema

Determinar el estado estacionario ($\hat{\rho}_{ss}$) de un sistema cuántico abierto es fundamental para caracterizar dispositivos cuánticos y estudiar fenómenos físicos como transiciones de fase, caos y estadísticas de fotones. La dinámica de estos sistemas se describe mediante la ecuación maestra de Lindblad, donde el estado estacionario satisface $\mathcal{L}\hat{\rho}_{ss} = 0$ ($\mathcal{L}$ es el superoperador de Liouvilliano).

Los desafíos principales identificados son:

• Costo Computacional: Calcular el estado estacionario para un solo conjunto de parámetros mediante métodos directos (como la descomposición LU) es costoso ($O(N^3)$ para una matriz de tamaño $N \times N$). Explorar espacios de parámetros multidimensionales o diagramas de fase requiere calcular esto para miles de puntos, lo que se vuelve intratable.
• Limitaciones de la Teoría de Perturbaciones (PT) Estándar: Aunque la PT permite aproximar estados estacionarios en regiones contiguas de parámetros sin recalcular desde cero, sufre de dos limitaciones críticas:
  1. Requiere el cálculo de la pseudo-inversa de Moore-Penrose del Liouvilliano, una operación numéricamente costosa que implica diagonalización o descomposición de valores singulares.
  2. Tiene un radio de convergencia limitado, especialmente cerca de fenómenos críticos (como transiciones de fase disipativas) donde el comportamiento no es analítico.

2. Metodología

Los autores proponen una nueva metodología llamada Teoría de Perturbaciones Variacionales (VPT) y dos estrategias numéricas para implementarla sin calcular pseudo-inversas:

A. Teoría de Perturbaciones Variacionales (VPT)

En lugar de asumir que los coeficientes de la expansión perturbativa son simplemente potencias del parámetro ($\epsilon^n$), como en la PT estándar, la VPT trata los coeficientes como funciones variacionales óptimas.

• Se construye una base de vectores de corrección perturbativa $\{|\hat{\rho}^{(n)}_{ss}\rangle\}$ utilizando el Liouvilliano de referencia.
• Se busca la mejor aproximación del estado estacionario dentro del subespacio generado por estos vectores minimizando el residuo de la ecuación de Liouvilliano (problema de mínimos cuadrados).
• Esto permite una generalización multipunto (m-VPT), combinando expansiones calculadas en varios puntos de referencia para cubrir regiones que incluyen transiciones de fase, superando las barreras de convergencia de la PT estándar.

B. Estrategias Numéricas para Eliminar la Pseudo-inversa

Para evitar el costo de calcular la pseudo-inversa, se proponen dos enfoques:

1. Reutilización de Descomposición LU: Si ya se ha calculado la descomposición LU del Liouvilliano modificado ($\tilde{\mathcal{L}}_0$) para un punto de referencia, esta factorización se reutiliza para resolver las relaciones de recurrencia perturbativa. Esto permite calcular correcciones de alto orden con un costo marginal de $O(N^2)$ en lugar de $O(N^3)$, sin necesidad de pseudo-inversas.
2. Métodos Iterativos de Krylov Precondicionados: Para sistemas grandes donde la factorización LU es inviable, se reformula el problema como un reciclaje de espacio de Krylov. Se utiliza una descomposición LU incompleta (iLU) como precondicionador y el estado estacionario de referencia como vector inicial. Esto conecta la VPT con métodos iterativos avanzados (como GMRES), permitiendo tratar sistemas de Hilbert mucho más grandes.

3. Contribuciones Clave

• Introducción de la VPT: Una generalización de la teoría de perturbaciones que extiende significativamente el radio de convergencia, incluso en presencia de efectos no analíticos como transiciones de fase disipativas.
• Eliminación de la Pseudo-inversa: Desarrollo de algoritmos que evitan el cálculo costoso de la pseudo-inversa de Moore-Penrose, utilizando en su lugar descomposiciones LU reutilizables o métodos iterativos precondicionados.
• Eficiencia en Gradientes: Capacidad de calcular derivadas del estado estacionario respecto a los parámetros de forma eficiente, lo cual es crucial para tareas de ajuste de parámetros (fitting) en experimentos.
• Generalidad: El método es independiente del modelo específico y se aplica a sistemas de diferentes dimensiones y topologías.

4. Resultados

Los autores validaron sus métodos en tres modelos distintos:

1. Resonador Kerr impulsado y disipativo (1D y 2D):
   • La VPT recuperó la solución exacta en una región de parámetros mucho más amplia que la PT estándar.
   • En un espacio de parámetros bidimensional (desintonización y amplitud de bombeo), la VPT requirió 7 veces menos puntos de cálculo exacto (LU) para mapear todo el diagrama de fase en comparación con la PT estándar, especialmente cerca de la transición de fase disipativa.
2. Estimación de Parámetros en un Qubit de Gato (Schrödinger Cat):
   • Se aplicó la VPT para ajustar simulaciones a datos experimentales sintéticos de un dispositivo superconductor.
   • El algoritmo logró recuperar los parámetros ocultos con alta precisión en solo 15 iteraciones, demostrando la utilidad de los gradientes calculados eficientemente mediante VPT.
3. Modelo XYZ Disipativo (Red 3x3):
   • Se aplicó el enfoque de Krylov precondicionado a un modelo de espines en una red.
   • Se logró capturar correctamente el diagrama de fase magnético (transición paramagnética-ferromagnética) en un espacio de Hilbert de tamaño $\approx 2.6 \times 10^5$, donde los métodos directos serían prohibitivos.

Rendimiento General:

• Reducción del costo computacional en un factor de hasta 100 en comparación con los cálculos directos para los modelos probados.
• La VPT demuestra una eficiencia de compresión cercana al límite teórico, representando los estados estacionarios con un número mínimo de vectores base.

5. Significado e Impacto

Este trabajo representa un avance significativo en la simulación de sistemas cuánticos abiertos:

• Viabilidad Práctica: Hace posible la exploración eficiente de grandes espacios de parámetros y diagramas de fase, algo que antes era computacionalmente prohibitivo para tamaños de sistema intermedios.
• Herramienta Experimental: Facilita la calibración de hardware cuántico al permitir un ajuste rápido y preciso de parámetros mediante la comparación de simulaciones con datos experimentales.
• Fundamento Teórico: Demuestra que las generalizaciones de la teoría de perturbaciones pueden ser tanto posibles como prácticas para problemas no hermitianos y no analíticos, superando las limitaciones históricas de la PT estándar.
• Escalabilidad: Al combinar VPT con métodos iterativos, se abre la puerta a estudiar sistemas de muchos cuerpos más grandes y complejos, integrando potencialmente con otras técnicas como expansiones de cúmulos o renormalización.

En resumen, la VPT proporciona un marco robusto y eficiente para caracterizar el comportamiento estacionario de dispositivos cuánticos reales, equilibrando precisión y costo computacional de una manera sin precedentes.