Resumen Técnico: Estimación Adaptativa Mejorada de Funciones de Partición Cuánticas con Escalamiento de Heisenberg

1. Planteamiento del Problema

El artículo aborda el problema fundamental de estimar la función de partición logarítmica, $f(\beta) = \ln Z(\beta)$, para un Hamiltoniano cuántico de $n$ cúbits $H$ a una temperatura inversa $\beta$. La función de partición $Z(\beta) = \text{Tr}(e^{-\beta H})$ determina la energía libre y codifica la termodinámica de equilibrio. El objetivo es lograr un escalamiento de Heisenberg en la precisión, es decir, un error aditivo $\epsilon$ con una complejidad de consulta que escala como $\tilde{O}(1/\epsilon)$, minimizando la dependencia del tamaño del sistema $n$ y de los recursos relacionados con el acceso al estado térmico.

El trabajo opera bajo la suposición de que el Hamiltoniano se suministra mediante una codificación por bloques $\alpha$ (donde $\alpha = \Theta(h)$ y $0 \preceq H \preceq hI$) y distingue entre dos modelos de acceso para los estados térmicos:

1. Acceso coherente a temperatura fija: El algoritmo elige una temperatura clásicamente y accede a una unitaria $U_\theta$ que prepara el estado de doble campo termodinámico (TFD) $|\psi_\theta\rangle$.
2. Acceso a temperatura coherente: La temperatura inversa se almacena en un registro cuántico, permitiendo una unitaria $U_{\text{coh}}$ que prepara una superposición de estados TFD $|\theta\rangle|\psi_\theta\rangle$ de forma coherente.

2. Metodología y Marco Algorítmico

2.1 El Marco de Reconstrucción

La contribución central es un marco de reconstrucción que expresa la función de partición logarítmica como una suma telescópica sobre un programa de enfriamiento de variación lenta $0 = \beta_0 < \dots < \beta_\ell = \beta$. Un programa es $C$-lentamente variable si el cuadrado del solapamiento entre estados TFD adyacentes está acotado inferiormente por $1/C$.

El incremento $f(\beta_{i+1}) - f(\beta_i)$ se descompone utilizando una identidad de duplicación recursiva. Esta identidad expresa el incremento como una suma ponderada de:

• Solapamientos (Overlaps): $O(\theta, s) = |\langle \psi_\theta | \psi_{\theta+s} \rangle|^2$, relacionado con la segunda diferencia finita de $f$.
• Razones de reponderación (Reweighting ratios): $R(\theta, s) = \text{Tr}(\rho_\theta e^{-sH})$, relacionado con la primera diferencia de $f$.

Específicamente, para un intervalo $\Delta_i = \beta_{i+1} - \beta_i$, los autores eligen un tamaño de paso $\delta_i$ tal que $h\delta_i \leq 1$ y un entero $k_i$ tal que $2^{k_i}\delta_i = \Delta_i$. El incremento se reconstruye como:
$$f(\beta_{i+1}) - f(\beta_i) = 2^{k_i} B(\beta_i, \delta_i) + \sum_{j=1}^{k_i} 2^{k_i-j} A(\beta_i, 2^j \delta_i)$$
donde $A = -\ln O$ y $B = \ln R$. Esta descomposición asegura que todas las probabilidades involucradas permanezcan uniformemente acotadas lejos de cero, permitiendo una estimación logarítmica estable.

2.2 Estrategias de Estimación

El artículo propone dos algoritmos basados en el modelo de acceso:

A. Algoritmo de Temperatura Fija (Algoritmo 2)

• Enfoque: Estima cada término logarítmico ($A$ y $B$) de forma independiente utilizando estimadores de amplitud cuántica casi insesgados (basados en Cornelissen y Hamoudi [10]).
• Asignación de Varianza: La profundidad de estimación para cada término se asigna adaptativamente basándose en los coeficientes de reconstrucción ($a_{i,j}$) para minimizar el costo total de consultas mientras se controla la varianza de la suma ponderada.
• Mecanismo: Utiliza la Transformación de Valor Singular Cuántica (QSVT) para implementar los pasos de reponderación de tiempo imaginario corto requeridos para $B$.

B. Algoritmo de Temperatura Coherente (Algoritmo 3)

• Enfoque: Evita estimar los términos por separado. En su lugar, prepara una superposición de todos los términos de reconstrucción con probabilidades proporcionales a sus coeficientes.
• Estimador: Utiliza un estimador logarítmico inverso-binomial cuántico. Para cada rama, realiza ensayos coherentes repetidos para contar los fallos antes del primer éxito, convirtiendo este conteo en un número armónico que aproxima el logaritmo negativo de la probabilidad de éxito.
• Agregación: Aplica la estimación de media cuántica (Montanaro [19]) directamente a la suma ponderada de estas muestras. Esto elimina el factor $\sqrt{\ell}$ asociado con la suma de estimaciones independientes.

2.3 Generación del Programa (Schedule)

Los autores adaptan el procedimiento de generación de programas de enfriamiento adaptativos de Arunachalam et al. [2] para espectros de números reales. Usando búsqueda binaria sobre las estimaciones de solapamiento TFD, construyen un programa de longitud $\ell = \tilde{O}(\sqrt{n})$ para Hamiltonianos extensivos a temperatura constante, sin requerir una suposición de brecha espectral (spectral gap).

3. Resultados Clave y Límites de Complejidad

Asumiendo un límite extensivo $h = O(n)$ y una temperatura inversa constante $\beta = \Theta(1)$, las complejidades de consulta esperadas (llamadas a la preparación de estados y codificación por bloques) son:

Modelo de Acceso	Complejidad de Consulta	Comparación
Temperatura Fija	$\tilde{O}\left(\frac{n^{5/4}}{\epsilon}\right)$	Mejora las estrategias no adaptativas por un factor de $n^{1/4}$.
Temperatura Coherente	$\tilde{O}\left(\frac{n}{\epsilon}\right)$	Coincide con el límite teórico inferior hasta factores polilogarítmicos.

Optimidad del Límite Inferior:
El artículo establece un límite inferior de $\Omega(\alpha \beta / \epsilon)$ para las consultas de codificación por bloques en un modelo de desplazamiento oculto (hidden-offset model). Para $\alpha = \Theta(n)$, el algoritmo de temperatura coherente logra $\tilde{O}(n/\epsilon)$, demostrando que es óptimo hasta factores polilogarítmicos. El algoritmo de temperatura fija está dentro de un factor de $\tilde{O}(n^{1/4})$ de este punto de referencia.

Complejidad de Circuito (Cadenas de Espín 1D):
Para sistemas unidimensionales con preparación eficiente de TFD (por ejemplo, mediante continuación cuasi-adiabática), los autores traducen los límites de consulta a conteos de puertas.

• Temperatura Fija: $\tilde{O}(n^{9/4}/\epsilon)$ puertas.
• Temperatura Coherente: $\tilde{O}(n^2/\epsilon)$ puertas.
  El método coherente retiene una ventaja de $n^{1/4}$ en el conteo de puertas, siempre que la preparación coherente de TFD no incurra en un exceso de carga computacional (lograble mediante estructuras de circuitos compartidas con ángulos parametrizados).

4. Significado y Reivindicaciones

El artículo afirma extender los algoritmos cuánticos adaptativos para la estimación de la función de partición desde distribuciones de Gibbs clásicas hacia Hamiltonianos cuánticos generales accedidos mediante codificaciones por bloques. Su importancia radica en:

1. Eliminación de Suposiciones Clásicas: A diferencia de trabajos previos que dependen de espectros enteros o evaluación eficiente de la energía, este método utiliza cantidades suaves (solapamientos TFD y reponderación) implementables mediante QSVT, evitando la necesidad de resolver niveles de energía individuales.
2. Escalamiento de Heisenberg: Logra el escalamiento óptimo de $1/\epsilon$ para Hamiltonianos cuánticos generales, una mejora significativa respecto al escalamiento cuadrático previo en precisión.
3. Optimidad en Modelos Más Fuertes: Demuestra que el control de temperatura coherente es un recurso genuino, alcanzando el límite teórico inferior para las consultas de codificación por bloques, mientras que el acceso de temperatura fija incurre en una penalización polinómica en el tamaño del sistema.
4. Aplicabilidad Práctica: El marco incluye un flujo completo desde la generación del programa hasta las estimaciones de recursos de circuito de extremo a extremo para sistemas 1D, mostrando que las ventajas teológicas de consulta pueden traducirse en mejoras en el conteo de puertas.

Los autores señalan que, si bien el modelo de temperatura coherente ofrece un escalamiento óptimo, su carga de implementación no es trivial. Proporcionan una condición suficiente (Proposición 7.1) y una construcción concreta para cadenas de espín 1D (Proposición 8.1) donde esta carga es manejable, preservando la ventaja asintótica.