Methods for Reducing Ancilla-Overhead in Block Encodings

Las computadoras cuánticas prometen resolver problemas que a las máquinas clásicas les tomaría milenios terminar, pero son notoriamente frágiles. Para realizar cálculos complejos, estas máquinas dependen de una técnica llamada codificación por bloques (block encoding), la cual les permite representar operaciones matemáticas que no son perfectamente reversibles, una necesidad para aplicaciones del mundo real como la simulación de reacciones químicas o la resolución de ecuaciones diferenciales. Piense en la codificación por bloques como una forma de ocultar un cálculo complejo y no reversible dentro de un proceso cuántico reversible más grande mediante el uso de bits auxiliares adicionales, conocidos como ancillas. Estos bits auxiliares actúan como un espacio de trabajo temporal, permitiendo que la computadora cuántica manipule datos sin romper las leyes fundamentales de la mecánica cuántica. Sin embargo, a medida que los algoritmos se vuelven más complejos, requieren cada vez más de estos bits auxiliares. Dado que el hardware cuántico está limitado actualmente en cuántos qubits puede contener, esta demanda de espacio adicional crea un cuello de botella severo, obligando a menudo a los investigadores a elegir entre ejecutar un cálculo o quedarse sin memoria por completo.

Un equipo de investigadores de la Universidad de California, Berkeley, y el Instituto Alfréd Rényi de Matemáticas en Hungría ha desarrollado dos nuevos métodos para reducir drásticamente el número de estos bits auxiliares requeridos para las codificaciones por bloques. Su trabajo aborda el problema desde dos ángulos diferentes, ofreciendo un intercambio entre espacio y tiempo en el primer caso, y entre espacio y precisión en el segundo. El primer método introduce una forma de "limpiar" el espacio de trabajo una vez que se ha realizado un cálculo. En muchos algoritmos cuánticos, una vez que se utiliza una codificación por bloques, los bits auxiliares permanecen en un estado desordenado y entrelazado que no puede ser reutilizado. Los investigadores diseñaron un protocolo que restablece coherentemente casi todos estos bits auxiliares a un estado cero limpio, liberándolos para su uso en partes posteriores del algoritmo. Este proceso no es instantáneo; requiere pasos computacionales adicionales, intercambiando efectivamente tiempo extra por el valioso recurso de espacio extra. El resultado es un sistema que puede realizar las mismas operaciones complejas utilizando solo un único bit auxiliar, independientemente de cuántos se necesitaron originalmente, siempre que el cálculo no sea perfectamente preciso, pero sea lo suficientemente cercano para un uso práctico.

La segunda parte de su trabajo aborda el desafío específico de multiplicar muchas codificaciones por bloques, un requisito común en la simulación de cómo evolucionan los sistemas físicos a lo largo del tiempo. Tradicionalmente, multiplicar un gran número de estas codificaciones requería un número de bits auxiliares que crecía logarítmicmente con el número de operaciones, una demanda que rápidamente supera al hardware disponible. Los investigadores demostraron que, para una multiplicación exacta y perfecta, este requisito logarítmico es un límite estricto que no se puede eludir. Sin embargo, demostraron que, si uno está dispuesto a aceptar una cantidad de error pequeña y controlada, este límite puede romperse. Introdujeron un nuevo dispositivo (gadget) que realiza estas multiplicaciones con un número constante y pequeño de bits auxiliares, independientemente de cuántas operaciones se estén encadenando. El error introducido por esta compresión es extremadamente pequeño y disminuye rápidamente a medida que el número de bits auxiliares aumenta ligeramente. Este enfoque es particularmente efectivo para simulaciones donde los pasos individuales ya están muy cerca de no hacer nada, un escenario común en las simulaciones de física donde se utilizan pequeños pasos de tiempo para rastrear cambios graduales.

Para asegurar que estos cálculos comprimidos sigan siendo útiles, los investigadores también demostraron cómo utilizar una técnica llamada amplificación de amplitud ciega (oblivious amplitude amplification). Este método actúa como un filtro que aumenta la probabilidad de que el cálculo tenga éxito, convirtiendo efectivamente un proceso que podría fallar a menudo en uno que tiene éxito casi siempre, incluso cuando se utiliza el método comprimido y aproximado. Los hallazgos sugieren que, al gestionar cuidadosamente el intercambio entre precisión y uso de recursos, los algoritmos cuánticos pueden hacerse mucho más eficientes. Esto no es solo un ejercicio teórico; los métodos son directamente aplicables para simular la dinámica hamiltoniana, que describe cómo se mueve la energía a través de un sistema, y para resolver ecuaciones diferenciales cuánticas, que son esenciales para modelar desde la dinámica de fluidos hasta las reacciones químicas. Al reducir la carga de las ancillas, estas técnicas podrían permitir que las computadoras cuánticas actuales y de corto plazo aborden problemas que antes estaban fuera de su alcance debido a la falta de memoria disponible.