Simulating sparse SYK model with a randomized algorithm on a trapped-ion quantum computer

Les auteurs simulent avec succès la dynamique temporelle réelle d'une version clairsemée du modèle SYK à 24 fermions de Majorana sur un ordinateur quantique à ions piégés en utilisant l'algorithme randomisé TETRIS et une technique d'atténuation des erreurs, démontrant ainsi la faisabilité de simulations à plus grande échelle et proposant un nouveau benchmark de circuits miroir pour évaluer la fidélité.

L'essentiel

Imaginez que vous essayez de comprendre comment un système quantique très complexe et chaotique évolue dans le temps. C'est un peu comme essayer de prédire la trajectoire de milliers de billes qui rebondissent les unes sur les autres dans une boîte remplie de ressorts, où chaque collision est totalement aléatoire. C'est le modèle SYK (Sachdev-Ye-Kitaev).

Ce modèle est fascinant car il ressemble à un trou noir miniature : il est si chaotique qu'il est presque impossible à simuler avec un ordinateur classique. C'est là que les ordinateurs quantiques entrent en jeu, mais ils ont leurs propres problèmes : ils sont bruyants et font des erreurs.

Voici comment les chercheurs de cet article ont réussi à relever ce défi, expliqué simplement :

1. Le Problème : Trop de liens, trop de bruit

Le modèle SYK original est comme une toile d'araignée géante où chaque point est connecté à tous les autres. Pour le simuler sur un ordinateur quantique, il faudrait un nombre astronomique d'opérations, ce qui est trop long et trop coûteux pour les machines actuelles. De plus, les ordinateurs quantiques actuels sont comme des violonistes débutants : ils font des fausses notes (du bruit) à chaque fois qu'ils jouent une note.

2. La Solution : Le "TETRIS" et la version "Sparse"

Les chercheurs ont utilisé deux astuces principales :

• La version "Sparse" (Éparse) : Au lieu de connecter tout le monde à tout le monde, ils ont coupé la plupart des liens, comme si on prenait une toile d'araignée et qu'on ne gardait que quelques fils essentiels. Cela rend le système plus simple à manipuler, tout en gardant ses propriétés chaotiques intéressantes.
• L'algorithme TETRIS : Imaginez que vous devez construire un mur de briques (simuler l'évolution du temps). Au lieu de poser les briques une par une dans un ordre strict (ce qui prend du temps et fait des erreurs si vous ratez une pose), l'algorithme TETRIS lance des briques au hasard. Parfois, vous en posez une, parfois deux, parfois aucune. Si vous faites cela des milliers de fois et que vous faites la moyenne, le mur final est parfait. C'est une méthode de "moyenne statistique" qui évite les erreurs de calcul précises mais coûteuses.

3. L'Expérience : Jouer sur un instrument de précision

Ils ont testé cela sur un ordinateur quantique à ions piégés (une machine très précise fabriquée par Quantinuum). Ils ont simulé le comportement de 24 particules spéciales (des fermions de Majorana).

Leur objectif était de mesurer la "probabilité de survie" (l'amplitude de Loschmidt). C'est comme lancer une balle dans le vide et voir si elle revient exactement à votre main après un certain temps. Dans un monde parfait, elle revient toujours. Dans un monde chaotique (comme le SYK), elle s'éloigne et ne revient plus.

4. La Magie : Comment corriger les erreurs ?

C'est ici que l'ingéniosité brille. Les ordinateurs quantiques font des erreurs. Pour les corriger, ils ont utilisé deux techniques de "nettoyage" :

• La "Vérification par Écho" (Echo Verification) : Imaginez que vous essayez d'entendre un chuchotement dans une pièce bruyante. Au lieu d'écouter tout le bruit, vous ne vous intéressez qu'aux sons qui ressemblent exactement à votre voix originale. Si le bruit a transformé votre chuchotement en un cri, vous ignorez ce résultat. Cela permet de filtrer le "bruit" qui a fait sortir le système de son état initial.
• L'Extrapolation (LGAE) : C'est comme si vous vouliez connaître la vitesse d'une voiture, mais votre compteur de vitesse est défectueux. Vous mesurez la vitesse à trois vitesses différentes (lente, moyenne, rapide) et vous tracez une ligne pour deviner ce que la vitesse serait si le compteur était parfait (sans bruit). Ici, ils ont varié l'angle des portes quantiques (comme changer la vitesse de la voiture) pour deviner le résultat parfait sans bruit.

5. Le Résultat : Une victoire contre le chaos

Grâce à ces méthodes, ils ont réussi à simuler le système assez longtemps pour voir la "balle" s'éloigner de leur main. Ils ont observé la décroissance de la probabilité de survie, ce qui confirme que le système se comporte bien comme un système chaotique (comme un trou noir).

Ils ont aussi créé un nouveau test de qualité (un "benchmark") pour vérifier si l'ordinateur quantique fonctionne bien. Au lieu de tester si l'ordinateur peut faire un tour complet et revenir à zéro (ce qui est trop dur), ils testent si la moyenne de plusieurs tours aléatoires revient à zéro. C'est plus juste pour évaluer la performance réelle sur des tâches utiles.

En résumé

C'est comme si vous vouliez peindre un tableau complexe avec des pinceaux qui tremblent.

1. Vous simplifiez le dessin (version Sparse).
2. Vous peignez par coups de pinceau aléatoires plutôt que par lignes droites (TETRIS).
3. Vous utilisez un filtre pour ne garder que les coups de pinceau qui ressemblent à votre intention (Vérification par écho).
4. Vous ajustez votre main en fonction de la tremble pour deviner le trait parfait (Extrapolation).

Le résultat ? Ils ont réussi à voir le "chaos quantique" se dessiner sur un ordinateur réel, ouvrant la voie à de futures simulations de trous noirs et de matériaux exotiques. C'est une étape majeure vers l'utilisation pratique des ordinateurs quantiques pour comprendre les lois les plus profondes de l'univers.

Résumé technique

1. Problématique et Contexte

Le modèle de Sachdev-Ye-Kitaev (SYK) est un modèle théorique crucial décrivant un système quantique fortement corrélé composé de $N$ fermions de Majorana avec des interactions aléatoires à $q$ corps (ici $q=4$). Ce modèle est célèbre pour sa connexion à la gravité quantique via la dualité holographique (correspondance AdS/CFT) et pour exhiber un chaos quantique maximal.

Cependant, la simulation numérique de la dynamique en temps réel du modèle SYK sur des ordinateurs classiques devient rapidement intraitable en raison de la nature chaotique du système et du nombre de termes dans le Hamiltonien, qui évolue comme $O(N^4)$. De plus, les simulations quantiques sur du matériel bruyant (NISQ) sont sévèrement limitées par la complexité du Hamiltonien, qui implique des interactions non locales et un grand nombre de termes.

L'objectif de ce travail est de surmonter ces obstacles pour simuler la dynamique en temps réel d'une version clairsemée (sparsifiée) du modèle SYK sur un processeur quantique réel, tout en développant des techniques pour atténuer les erreurs inhérentes au matériel.

2. Méthodologie

Les auteurs ont combiné plusieurs approches innovantes pour réaliser cette simulation sur l'ordinateur quantique à ions piégés Quantinuum H1 :

• Modèle SYK Clairsemé : Au lieu du modèle SYK dense complet, ils utilisent une version où les termes d'interaction sont échantillonnés aléatoirement avec une probabilité $p$. Cela réduit le nombre de termes dans le Hamiltonien tout en préservant les propriétés de chaos quantique et la dualité gravitationnelle (pour un paramètre de clairsemage $k$ approprié).
• Algorithme TETRIS : Ils emploient l'algorithme TETRIS (Time Evolution Through Random Independent Sampling). Contrairement à la méthode de Trotterisation classique qui introduit des erreurs de discrétisation et coûte cher en portes quantiques, TETRIS est un algorithme stochastique qui approxime l'évolution temporelle par un échantillonnage aléatoire d'opérateurs unitaires.
  • L'avantage clé est l'absence d'erreur de discrétisation (l'erreur dépend uniquement du nombre de tirages).
  • Le coût en portes à deux qubits (TQ) est indépendant de la précision requise $\epsilon$ et s'adapte bien à la nature aléatoire du Hamiltonien SYK.
• Encodage : Pour $N=24$ fermions de Majorana, ils utilisent l'encodage de Jordan-Wigner sur $L=12$ qubits (plus un qubit auxiliaire), car il s'est avéré plus efficace que d'autres encodages pour cette taille de système.
• Techniques d'Atténuation du Bruit :
  1. Vérification par Écho (Echo Verification) : Une technique exploitant les propriétés de l'algorithme randomisé. Au lieu de mesurer simplement l'opérateur identité sur le registre système, ils projettent l'état final sur l'état initial $|0...0\rangle$ (ou une variante incluant les états à un bit flip). Cela permet de filtrer certains types de bruit (comme les inversions de bits) tout en conservant le signal, réduisant ainsi la variance.
  2. Extrapolation à Grand Angle de Porte (LGAE - Large Gate Angle Extrapolation) : Une variante de l'extrapolation à bruit nul (ZNE). Dans TETRIS, l'angle de porte $\tau$ est un paramètre libre. En augmentant $\tau$, on augmente le nombre moyen de portes (et donc le bruit) sans changer la valeur théorique attendue. En mesurant le résultat pour différents angles et en extrapolant vers un angle nul (ou un nombre de portes nul), ils peuvent corriger l'effet du bruit.

3. Résultats Expérimentaux et Numériques

L'expérience a été menée sur le processeur Quantinuum H1 avec 24 fermions de Majorana ($N=24$) et un paramètre de clairsemage $k=2.3$.

• Observables : L'observable principale est l'amplitude de Loschmidt (ou probabilité de survie du vide), $\mathcal{L}(t) = |\langle 0 | e^{-iHt} | 0 \rangle|^2$, qui est un indicateur clé du chaos quantique.
• Performance de l'Atténuation :
  • Les résultats montrent que l'application combinée de la vérification par écho et de la LGAE permet de récupérer les valeurs exactes théoriques avec une précision d'environ un écart-type.
  • La méthode LGAE linéaire s'est révélée particulièrement efficace pour les observables $O = |0\rangle\langle 0|_{mit}$, corrigeant le biais vers le haut observé avec d'autres méthodes.
  • L'étude du bruit a révélé un biais inhabituel : contrairement au bruit qui atténue généralement le signal, ici, le bruit sur l'opérateur identité ($O=I$) a tendance à amplifier le signal. Les auteurs ont développé un modèle théorique de bruit global dépolarisant qui explique ce phénomène et correspond bien aux données expérimentales.
• Comparaison avec Trotter : Une analyse de coût montre que pour les temps courts et les systèmes de taille moyenne, TETRIS est moins coûteux en portes que la Trotterisation, surtout lorsque l'on considère l'absence d'erreur de discrétisation. Pour les temps longs, la Trotterisation peut devenir moins coûteuse en nombre de portes, mais au prix d'une erreur de discrétisation importante qui rendrait les résultats inutilisables.
• Benchmark « Mirror-on-Average » : Les auteurs proposent un nouveau protocole de benchmarking basé sur TETRIS. Au lieu d'inverser exactement le circuit (comme dans un benchmark miroir standard), ils utilisent deux circuits TETRIS indépendants dont l'inversion moyenne est l'identité. Ce benchmark « miroir en moyenne » fournit une estimation plus précise de la dégradation de la fidélité pour les observables locaux que les benchmarks miroirs standards, qui ont tendance à surestimer le bruit.

4. Contributions Clés

1. Première simulation réussie : Réalisation de la première simulation de la dynamique en temps réel d'un modèle SYK clairsemé ($N=24$) sur un processeur quantique à ions piégés, observant la décroissance de l'amplitude de Loschmidt.
2. Développement d'outils d'atténuation : Création et validation de techniques d'atténuation spécifiques (Echo Verification et LGAE) adaptées aux algorithmes de simulation stochastique comme TETRIS.
3. Nouveau Benchmark : Introduction du benchmark « Mirror-on-Average » pour mieux estimer le bruit sur les observables locaux dans le contexte des algorithmes randomisés.
4. Analyse de ressources : Estimation des ressources quantiques nécessaires pour des simulations à plus grande échelle (par exemple $N=50$ ou $100$), suggérant que des améliorations algorithmiques (comme l'amplification spectrale) et une parallélisation accrue seront nécessaires pour atteindre des régimes physiques pertinents.

5. Signification et Perspectives

Ce travail démontre la faisabilité de simuler des modèles de physique de la matière condensée et de gravité quantique complexes sur du matériel quantique actuel, malgré le bruit. Il valide l'efficacité des algorithmes randomisés (TETRIS) couplés à des techniques d'atténuation de bruit avancées.

Les résultats ouvrent la voie à l'étude de phénomènes plus complexes, tels que les corrélateurs hors ordre temporel (OTOC) pour mesurer l'exposant de Lyapunov, et donc à la caractérisation directe du chaos quantique et de la thermalisation dans des systèmes holographiques. L'article souligne également la nécessité d'améliorations algorithmiques futures pour passer à l'échelle supérieure, tout en prouvant que les ordinateurs quantiques actuels peuvent déjà fournir des résultats physiquement significatifs pour des modèles théoriques avancés.