Enhanced Maximum Independent Set Preparation with Rydberg Atoms Guided by the Spectral Gap

1. El Problema

La computación cuántica adiabática (AQC) utilizando átomos de Rydberg ofrece una ruta natural para resolver problemas de optimización combinatoria, específicamente el Conjunto Independiente Máximo (MIS). En esta configuración, la solución se codifica en el estado fundamental de un Hamiltoniano que evoluciona gradualmente.

Sin embargo, el rendimiento de la AQC está fundamentalmente limitado por dos factores:

• Reducción de la brecha espectral: A medida que aumenta el tamaño del sistema y la conectividad, la brecha espectral mínima ($\Delta E_{01}$) entre el estado fundamental y el primer estado excitado disminuye drásticamente (a menudo de forma superexponencial).
• Fuga de población: Durante una evolución finita, una brecha pequeña induce transiciones no adiabáticas, provocando que la población "se filtre" desde el estado fundamental hacia estados excitados. Esto resulta en una baja probabilidad de encontrar la solución correcta (MIS).

Los enfoques alternativos, como la computación cuántica contra-adiabática analógica, requieren términos adicionales en el Hamiltoniano (difíciles de implementar), mientras que los algoritmos variacionales o la optimización bayesiana conllevan una sobrecarga significativa de hardware debido a la necesidad de ejecuciones repetidas y muestreo extensivo.

2. Metodología: ADGLB

Los autores proponen un nuevo método llamado Bloqueo de Fuga de Energía del Estado Fundamental con Desintonización Ajustada (ADGLB, por sus siglas en inglés: Adjusted Detuning for Ground-Energy Leakage Blockade).

• Principio Fundamental: El método se basa en la ingeniería de la programación (schedule) del desintonizado láser $\delta(t)$, guiada por la estructura de la brecha espectral, sin añadir términos adicionales al Hamiltoniano ni bucles de optimización iterativos.
• Mecanismo de Acción:
  • Se modela el sistema como un sistema de dos niveles efectivo (estado fundamental $|E_0\rangle$ y primer excitado $|E_1\rangle$).
  • La fuga de población está acotada por la evolución temporal y una potencia inversa de la brecha espectral $(\Delta E_{01})^{-j}$.
  • Para mantener la adiabaticidad, la tasa de cambio del Hamiltoniano ($dH/dt$) debe reducirse cerca del punto de mínima brecha ($g_{min}$) y puede aumentarse en otras regiones.
  • Estrategia de Desintonización: Se modifica la trayectoria de $\delta(t)$ de tal manera que su derivada temporal sea proporcional a $(\Delta E_{01}(t))^j$.
  • Se utiliza una función de interpolación normalizada $\zeta_j$ para construir el perfil de desintonización, dividiendo la evolución en segmentos antes y después del punto de mínima brecha ($t_{min}$).
  • El parámetro $j$ controla la intensidad de la modificación; valores intermedios (alrededor de $j=1.5$) ofrecen el mejor equilibrio entre la ralentización necesaria cerca de la brecha mínima y la distorsión global de la evolución.

3. Contribuciones Clave

1. Método sin sobrecarga de hardware: ADGLB mejora el rendimiento modificando solo el perfil temporal del desintonizado láser, evitando la necesidad de términos Hamiltonianos adicionales complejos.
2. Escalabilidad y Transferibilidad: Se demuestra que una programación optimizada para instancias pequeñas (ej. cadenas cuasi-unidimensionales) puede aplicarse directamente a sistemas más grandes y complejos (redes triangulares bidimensionales) si comparten características de dureza similares.
3. Adaptación a Instancias de Mayor Dureza: Se introduce un offset heurístico ($\nu_d$) en el desintonizado mínimo para adaptar la programación optimizada a instancias con parámetros de dureza ($H_P$) más altos, donde la diagonalización directa del Hamiltoniano es computacionalmente inviable.

4. Resultados Experimentales

Los autores validaron el método utilizando el procesador cuántico de átomos neutros Aquila de QuEra (accesible vía Amazon Braket), trabajando con átomos de Rubidio-87 ($^{87}\text{Rb}$).

• Cadenas Cuasi-Unidimensionales ($N=10$):

  • Para una cadena con parámetro de dureza $H_P = 6.5$, la probabilidad de preparación del MIS aumentó del 28% (programación estándar) al 38% (ADGLB con $j=1.8$).
  • Las simulaciones numéricas mostraron un aumento aún mayor, pasando de $P_{E0} \approx 0.74$ a $>0.94$.

• Redes Triangulares Bidimensionales ($N=25$ y $N=37$):

  • La programación optimizada para $N=10$ se aplicó directamente a redes triangulares de diamante ($N=25$) y hexagonales ($N=37$).
  • Resultado $N=25$: La probabilidad de MIS mejoró del 17.7% al 24.2%.
  • Resultado $N=37$: La probabilidad de MIS mejoró del 3.0% al 5.6%.
  • Esto demuestra que el método es efectivo para sistemas más grandes sin requerir recursos experimentales adicionales ni tiempos de evolución más largos.

• Instancias de Alta Dureza ($N=23, H_P=34.2$):

  • Para una cadena compuesta de dos bloques unidos (alta dureza), se aplicó un offset heurístico al desintonizado mínimo.
  • Con un offset óptimo ($\nu_d = 2\pi \times 0.2$ MHz), la probabilidad de MIS alcanzó un máximo del 2.54%, superando tanto a la programación estándar (1.45%) como a la programación ADGLB sin ajuste (1.1%).

5. Significado e Impacto

Este trabajo presenta una estrategia escalable y eficiente en hardware para mejorar la optimización cuántica adiabática en plataformas de átomos neutros.

• Eficiencia: Mejora la calidad de la distribución de probabilidad generada por el hardware, lo que facilita el post-procesamiento clásico y las estrategias de mitigación de errores.
• Viabilidad Práctica: Al no requerir términos Hamiltonianos adicionales ni bucles de optimización intensivos, el método es fácilmente implementable en hardware actual.
• Generalidad: La capacidad de transferir programas optimizados de sistemas pequeños a grandes, y de ajustar heurísticamente para problemas más difíciles, sugiere que la ingeniería de programación guiada por la brecha espectral es una vía prometedora para superar las limitaciones de coherencia y tamaño en la computación cuántica adiabática.