Scalably learning quantum many-body Hamiltonians from dynamical data

Cet article présente un cadre hautement scalable et piloté par les données qui combine l'optimisation de l'apprentissage automatique basée sur le gradient avec des représentations de réseaux de tenseurs pour apprendre efficacement des hamiltoniens à corps multiples en interaction à partir de données dynamiques limitées, démontrant une performance robuste pour des systèmes dépassant 100 spins même avec des états initiaux, des observables et des évolutions temporelles restreints.

L'essentiel

Imaginez que vous possédez une machine mystérieuse et complexe à l'intérieur d'une boîte scellée. Vous ne pouvez pas voir les engrenages ou les fils (le « Hamiltonien », qui est la règle mathématique dictant le fonctionnement de la machine), mais vous pouvez la pousser, la secouer et observer ce qui se passe. Votre objectif est de découvrir la règle exacte en observant simplement le mouvement de la machine.

Ce document présente une nouvelle méthode hautement efficace pour résoudre ce casse-tête pour les machines quantiques (des systèmes composés de particules minuscules comme des atomes ou des électrons). Voici comment ils ont procédé, expliqué simplement :

Le Problème : La Boîte Noire

Dans le monde quantique, les scientifiques construisent souvent des dispositaux (comme des ordinateurs ou des simulateurs quantiques) mais ne sont pas sûrs à 100 % des règles exactes qui les régissent. Ils ont une hypothèse, mais ils doivent la prouver. Habitellement, pour découvrir les règles, il faudrait préparer la machine dans de nombreuses positions de départ différentes et la mesurer de multiples façons. C'est comme essayer de deviner la recette d'un gâteau en le cuisant un millier de fois avec différents ingrédients et différents fours. C'est lent, coûteux et difficile.

La Solution : Une approche de « Détective Intelligent »

Les auteurs ont créé une méthode qui agit comme un détective super intelligent. Au lieu d'avoir besoin d'un million d'expériences différentes, ce détective n'a besoin que de :

1. Une position de départ : Ils partent de l'état simple et calme de la machine (comme si toutes les particules pointaient vers le « haut »).
2. Quelques instantanés rapides : Ils laissent la machine fonctionner pendant un court instant, puis prennent une photo rapide (une mesure) de ce que font les particules. Ils répètent l'opération quelques fois.
3. Un cerveau informatique : Ils utilisent un algorithme informatique puissant pour deviner le livre de règles, simuler ce qui devrait se passer si ce livre de règles était vrai, et comparer cela aux vraies photos qu'ils ont prises.

Les Deux Armes Secrètes

Pour faire fonctionner cela sur de grands systèmes (jusqu'à 100 particules, ce qui est beaucoup pour des ordinateurs quantiques), ils ont combiné deux outils puissants :

1. Les Réseaux de Tenseurs (L'astuce de compression) :
   Imaginez que vous essayez de décrire une énorme pelote de laine emmêlée. Écrire chaque fil prendrait une éternité. Au lieu de cela, vous décrivez le motif des nœuds. Les « réseaux de tenseurs » sont une manière mathématique de décrire des systèmes quantiques complexes sans s'enliser dans la quantité massive de données. C'est comme utiliser un fichier compressé pour réduire la taille d'un film afin qu'il tienne sur votre téléphone. Cela leur permet de simuler des systèmes trop grands pour les ordinateurs normaux.

2. L'Apprentissage Automatique (La boucle d'auto-correction) :
   Ils ont utilisé une technique appelée « optimisation basée sur le gradient ». Pensez à cela comme l'accordage d'une radio. Vous tournez le cadran légèrement, vous écoutez les parasites, et si le son devient plus fort, vous tournez dans l'autre sens. L'ordinateur devine un ensemble de règles, vérifie à quel point il se trompe, et ajuste automatiquement les règles pour se rapprocher de la vérité. Il fait cela des milliers de fois jusqu'à ce que les « parasites » (l'erreur) disparaissent.

Les Résultats : Ce qu'ils ont trouvé

L'équipe a testé cela sur un système quantique simulé (une chaîne de spins, comme une rangée de petits aimants). Voici ce qu'ils ont découvert :

• Cela passe à l'échelle : Ils ont réussi à apprendre les règles pour des systèmes de plus de 100 particules. C'est un événement majeur car la plupart des méthodes échouent lorsque le système devient aussi grand.
• C'est efficace en données : La précision de leur supposition s'améliore à mesure qu'ils collectent des points de données, suivant un schéma prévisible (plus il y a de données, meilleure est la supposition, plus précisément en s'améliorant avec la racine carrée de la taille des données).
• C'est flexible : Étonnamment, ils ont constaté qu'ils n'avaient pas besoin de préparer la machine de nombreuses manières différentes ou de mesurer dans de nombreuses directions complexes. Même en partant d'un seul état simple et en mesurant dans une ou deux directions seulement, il suffisait pour obtenir la bonne réponse.
• Le « Point Idéal » de Temps : Ils ont trouvé une zone « Goldilocks » (ni trop chaud, ni trop froid) pour le timing. Si on observait la machine pendant un temps trop court, le signal était trop faible pour être entendu. Si on l'observait trop longtemps, le système devenait trop chaotique pour être simulé. Mais dans la plage intermédiaire, la méthode fonctionnait parfaitement.

Pourquoi c'est important

Cette méthode est comme donner aux scientifiques un nouveau microscope de haute puissance. Elle permet de prendre un dispositif quantique déjà construit, de lui faire passer quelques tests simples, et de faire de l'ingénierie inverse mathématique de la physique exacte qui se trouve à l'intérieur. C'est crucial pour instaurer la confiance dans les ordinateurs quantiques et s'assurer qu'ils fonctionnent exactement comme les ingénieurs les ont conçus.

En résumé, ils ont construit un moyen d'apprendre l'« ADN » d'une machine quantique complexe en utilisant très peu de données et une puissance informatique standard, rendant possible la compréhension de systèmes qui étaient auparavant trop vastes pour être compris.

Résumé technique

Résumé Technique : Apprentissage scalable d'Hamiltoniens de systèmes quantiques à plusieurs corps à partir de données dynamiques

Énoncé du problème
La physique des systèmes quantiques fermés est régie par leur Hamiltonien. Si la physique théorique commence souvent par spécifier un Hamiltonien, dans les scénarios réels — particulièrement avec les simulateurs quantiques analogiques et les processeurs quantiques de l'ère NISQ — l'Hamiltonien effectif est rarement connu avec une grande précision. Les méthodes existantes pour apprendre les Hamiltoniens font face à des limitations significatives : les approches théoriques reposent souvent sur des états thermiques, des états propres ou des évolutions de très courte durée qui peuvent ne pas capturer les interactions complexes, tandis que les approches pratiques utilisant la dynamique à long terme peinent souvent face au défi computationnel de prédire l'évolution temporelle pour de grands systèmes. De plus, de nombreuses méthodes scalables existantes nécessitent des préparations d'états spécifiques, l'estimation de valeurs d'espérance, ou présentent une complexité de mise à l'échelle prohibitive. Il est nécessaire de disposer d'une méthode capable d'apprendre des Hamiltoniens à plusieurs corps en interaction à partir de données dynamiques, de manière à être scalable pour de grands systèmes (par exemple, >100 spins), compatible avec l'expérimentation et robuste face à des ressources de mesure limitées.

Méthodologie
Les auteurs proposent une approche pilotée par les données qui intègre l'optimisation basée sur le gradient issue de l'apprentissage automatique avec des représentations d'états quantiques efficaces via les réseaux de tenseurs. Le flux de travail central comprend :

1. Acquisition de données : Un système de $n$ spins fermé est initialisé dans un état produit simple (spécifiquement $|0\rangle^{\otimes n}$). Le système subit une évolution temporelle sous un Hamiltonien inconnu $H^*$. À différents instants $t_j$, le système est mesuré dans des bases de Pauli $p_k$ choisies aléatoirement. L'ensemble de données $D$ est constitué de résultats de mesures binaires (chaînes de bits) sans nécessiter de post-traitement en valeurs d'espérance.
2. Simulation via les réseaux de tenseurs : Pour simuler le système classiquement, les auteurs utilisent l'algorithme de décomposition de l'évolution temporelle par bloc (TEBD). Celui-ci utilise des états de matrice de produit (MPS) pour représenter l'état quantique, permettant une computation efficace de la dynamique dans les systèmes unidimensionnels jusqu'à des temps intermédiaires. L'opérateur d'évolution temporelle est décomposé en étapes de Trotter, et les dimensions de liaison sont tronquées pour gérer la croissance de l'intrication, introduisant des erreurs de troncature contrôlables.
3. Cadre d'optimisation : La tâche d'apprentissage est formulée comme un problème d'estimation de maximum de vraisemblance (MLE). Une classe de Hamiltoniens paramétriques $C = \{H(\theta)\}$ est définie sur la base de l'intuition physique (par exemple, intensités d'interaction et champs locaux). L'objectif est de trouver les paramètres $\theta$ qui minimisent la fonction de perte de log-vraisemblance négative $L_D(\theta)$, laquelle mesure l'écart entre les résultats de mesure observés et les probabilités prédites par le modèle $H(\theta)$.
4. Apprentissage basé sur le gradient : Pour gérer les espaces de paramètres de haute dimension, les auteurs utilisent la différenciation automatique (via le framework JAX) pour calculer les gradients de la fonction de perte par rapport à $\theta$. Cela implique de rétro-propager les dérivées à travers l'intégralité de l'algorithme TEBD, y compris les décompositions en valeurs singulières (SVD) avec des entrées complexes. L'optimisation se déroule en deux étapes :
   • Étape 1 : Descente de gradient stochastique utilisant l'optimiseur ADAM et des mini-lots pour approcher rapidement un minimum local.
   • Étape 2 : L'utilisation de l'ensemble des données avec l'optimiseur BFGS (pseudo-Newton) pour affiner la solution avec une haute précision.

Contributions clés

• Scalabilité : La méthode est démontrée comme étant capable de passer à l'échelle linéairement avec la taille du système pour les systèmes unidimensionnels, permettant l'apprentissage d'Hamiltoniens pour des systèmes de plus de 100 spins.
• Efficacité des données et simplicité : L'algorithme opère directement sur les chaînes de bits brutes des mesures, évitant ainsi l'estimation des valeurs d'espérance ou la préparation de multiples états distincts. Il fonctionne efficacement même avec un seul état initial et un nombre restreint de bases de Pauli.
• Intégration de l'apprentissage automatique et des réseaux de tenseurs : Ce travail réussit à faire le pont entre les techniques d'apprentissage automatique (différenciation automatique, optimisation stochastique) et les simulations de réseaux de tenseurs (TEBD) pour résoudre un problème d'optimisation non convexe en physique quantique à plusieurs corps.
• Mise à l'échelle théorique : Les auteurs établissent que l'erreur relative de la récupération des paramètres suit une loi en $d^{-1/2}$ par rapport à la taille de l'ensemble de données $d$, sous l'hypothèse que la classe de l'Hamiltonien est bien conditionnée.

Résultats
Des expériences numériques ont été menées sur des données synthétiques générées à partir d'un modèle de Heisenberg unidimensionnel avec des champs locaux aléatoires.

• Taille du système : La méthode a réussi à récupérer les paramètres de l'Hamiltonien pour des systèmes allant jusqu'à 100 spins. L'erreur relative s'est avérée largement indépendante de la taille du système $n$ et du nombre de paramètres $\nu$.
• Taille des données : L'erreur a diminué selon la mise à l'échelle prédite de $d^{-1/2}$ à mesure que le nombre d'échantillons de mesure augmentait.
• Contraintes de mesure : L'algorithme est resté efficace même lorsqu'il était restreint à une seule base de Pauli, bien que cela augmente le taux d'échecs d'optimisation (valeurs aberrantes).
• Instants temporels : Augmenter le nombre d'instants temporels améliore la précision du minimum global mais augmente également la rugosité du paysage de perte, conduisant à un nombre plus élevé de valeurs aberrantes. Par conséquent, le nombre d'initialisations aléatoires requises pour trouver le minimum global agit comme un hyperparamètre dépendant du nombre de valeurs aberrantes observées.

Signification et affirmations
L'article positionne cette méthode dans un "point d'équilibre" concernant la durée de l'évolution temporelle : elle évite le faible rapport signal sur bruit des expansions à très court terme et l'intraitabilité computationnelle des dynamiques à très long terme. Les auteurs affirment que la méthode est hautement pratique et compatible avec l'expérimentation, car elle ne nécessite que l'évolution temporelle native et des mesures de Pauli standards, sans exiger de manipulations d'états complexes (telles que les "Pauli twirls") ou de préparations d'états spécifiques.

La signification réside dans la fourniture d'un outil primitif pour l'ingénierie précise de dispositifs quantiques, particulièrement les simulateurs analogiques (ex: ions piégés, atomes froids ultra-froids) où la flexibilité de préparation d'état et de mesure existe, mais où l'Hamiltonien sous-jacent est inconnu. Les auteurs notent modestement que si la méthode permet un calibrage précis de l'Hamiltonien, la prédiction de la dynamique à long terme pour ces systèmes calibrés reste computationnellement difficile ; ainsi, la méthode est mieux adaptée au calibrage qu'à la prédiction à long terme sans validation expérimentale supplémentaire. Les extensions futures suggérées par les auteurs incluent la gestion des Hamiltoniens dépendants du temps, des systèmes dissipatifs (Lindbladiens), et l'intégration de la robustesse face aux erreurs de préparation d'état et de mesure (SPAM).