Determining the ensemble N-representability of Reduced Density Matrices

Résumé Technique : Détermination de la N-représentabilité d'Ensemble des Matrices de Densité Réduites

Énoncé du Problème
Le problème de la N-représentabilité est un défi fondamental de la théorie des structures électroniques, concernant les conditions nécessaires et suffisantes qu'une matrice de densité réduite (RDM) à $p$-corps doit satisfaire pour être dérivable d'une fonction d'onde à $N$ électrons ou d'un état mixte (d'ensemble). Bien que des progrès significatifs aient été réalisés concernant la N-représentabilité de l'état pur, la détermination de la N-représentabilité d'ensemble d'une $p$-RDM reste un obstacle critique, particulièrement pour les applications impliquant des mélanges thermiques, des systèmes quantiques ouverts et des ensembles statistiques. Vérifier si une $p$-RDM donnée correspond à un état physique à $N$ électrons est numériquement intraitable dans le cas général, appartenant à la classe de complexité quantique Merlin-Arthur-complète. Les conditions approximatives existantes sont souvent insuffisantes pour les systèmes fortement corrélés, et l'ensemble complet des conditions nécessaires et suffisantes pour les $p$-RDMs (où $p > 1$) demeure inconnu.

Méthodologie
Ce travail propose un cadre pratique pour déterminer la N-représentabilité d'ensemble d'une matrice à $p$ corps en étendant un algorithme d'évolution unitaire précédemment développé (pure ADAPT-VQA) au cas de l'ensemble. La méthodologie centrale repose sur une stratégie de purification :

1. Immersion par Purification : Suivant le théorème de Schrödinger-Hughston-Jozsa-Wootters, un état d'ensemble $\rho$ défini sur un espace de Hilbert $\mathcal{H}_s$ est immergé dans un état pur $|\Psi_{sb}\rangle$ défini sur un espace de Hilbert étendu $\mathcal{H}_{sb} = \mathcal{H}_s \otimes \mathcal{H}_b$, où $\mathcal{H}_b$ est un espace auxiliaire. La purification est construite de telle sorte que $\rho = \text{Tr}_b(|\Psi_{sb}\rangle\langle\Psi_{sb}|)$, garantissant que les matrices de densité réduites de l'état purifié reproduisent celles de l'ensemble d'origine.
2. Évolution Unitaire Variationnelle : L'algorithme emploie un algorithme quantique variationnel (VQA) de type ADAPT (adaptive derivative-assembled pseudo-Trotter) pour l'évolution. Il applique de manière itérative des unitaires variationnels à un état purifié initial (construit à partir d'un état initial à $N$ particules $|\phi_0\rangle$ et de sa purification).
3. Pool d'Opérateurs : L'évolution est pilotée par un pool d'opérateurs d'excitation-déexcitation anti-hermitiens adapté aux fermions, restreint aux contraintes d'ensemble canonique (pas de changement du nombre de particules dans le système ou l'espace auxiliaire). Ces opérateurs sont projetés sur des opérateurs de Pauli via la transformation de Jordan-Wigner, rendant l'algorithme adapté à la simulation sur ordinateur quantique.
4. Objectif d'Optimisation : L'algorithme minimise la distance de Hilbert-Schmidt ($D$) entre la $p$-RDM de l'état purifié évolué et une $p$-RDM cible ($p\rho_{\text{target}}$).
   • Si l'algorithme converge vers une distance $D_{\min} \approx 0$, la cible est considérée comme N-représentable d'ensemble.
   • Si $D_{\min} > 0$, l'amplitude de la distance sert de mesure quantitative du degré de violation de la N-représentabilité.
   • L'état évolué fournit l'état réduit d'ensemble le plus proche de la cible défectueuse qui soit physiquement N-représentable.

Contributions Clés

• Algorithme ADAPT-VQA d'Ensemble : L'introduction d'un cadre hybride qui étend les algorithmes de représentabilité d'état pur aux états d'ensemble via la purification. Cela permet à l'algorithme de distinguer si une matrice cible provient d'un état quantique pur ou d'un mélange d'ensemble.
• Correction d'Erreur et Raffinement : La méthodologie offre une voie pour le raffinement de la matrice de densité. Elle peut corriger les matrices de densité réduites d'ensemble défectueuses (celles violant les conditions de N-représentabilité) en les faisant évoluer vers l'état physique le plus proche.
• Reconstruction d'État Quantique : L'algorithme facilite la reconstruction d'état quantique sur des ordinateurs quantiques, permettant de récupérer une fonction d'onde ou un état purifié compatible à partir d'une RDM cible.
• Validation Numérique : Le cadre est validé par des simulations numériques sur des systèmes modèles et des systèmes moléculaires à température finie, démontrant sa capacité à traiter les 1-RDM et les 2-RDM.

Résultats
Les auteurs ont validé l'algorithme à l'aide de simulations numériques sur un simulateur quantique sans bruit :

• Systèmes Modèles (Température Zéro) : Des tests ont été effectués sur des systèmes à 4 électrons avec 3 et 4 orbitales.
  • Pour les 1-RDM, l'algorithme a réussi à distinguer les états N-représentables purs des états d'ensemble. Dans les cas où les conditions de N-représentabilité pure de Klyachko (conditions de Pauli généralisées) étaient violées (états mixtes), le pure ADAPT-VQA n'a pas réussi à converger vers une distance nulle, tandis que l'ensemble ADAPT-VQA a convergé vers $D_{\min} \approx 0$.
  • Pour les 2-RDM, où les conditions complètes de N-représentabilité pure sont inconnues, l'algorithme a correctement identifié la N-représentabilité d'ensemble pour toutes les cibles construites. Il a également démontré sa capacité à détecter si une 2-RDM d'ensemble pouvait se contracter en une 1-RDM pure.
  • Robustesse au Bruit : En introduisant un bruit aléatoire aux matrices cibles, l'étude a montré que $D_{\min}$ évolue avec la force du bruit ($\epsilon$), confirmant l'utilité de l'algorithme pour quantifier la gravité des violations de N-représentabilité.
• Systèmes Moléculaires (Température Finie) : L'algorithme a été appliqué aux molécules $H_2$ et $H_3$ linéaires à des températures finies. Les matrices cibles ont été construites à partir d'états thermiques d'ensemble canonique et perturbées par du bruit.
  • Les résultats ont indiqué que la distance convergée $D_{\min}$ est plus sensible au bruit ajouté ($\epsilon$) qu'aux caractéristiques de corrélation intrinsèques de l'état sans bruit sous-jacent.
  • À mesure que le bruit augmentait, $D_{\min}$ augmentait de manière significative (atteignant par exemple $\sim 10^1$ pour les 2-RDM avec $\epsilon=0.1$), démontrant la capacité de l'algorithme à détecter et quantifier les défauts de représentabilité dans des scénarios moléculaires réalistes.

Signification
L'article affirme que ce travail fournit un cadre pratique et robuste pour aborder le problème de la N-représentabilité d'ensemble, un défi qui a historiquement été numériquement intraitable. En exploitant la purification et les algorithmes quantiques variationnels, la méthode proposée offre une double capacité : elle peut classifier la nature d'une RDM donnée (pure vs ensemble) et corriger les matrices défectueuses pour imposer des contraintes physiques. Cela est significatif pour améliorer la précision des calculs de chimie quantique, particulièrement pour les systèmes électroniques fortement corrélés et les applications à température finie. Les auteurs soulignent que l'algorithme est compatible avec le matériel quantique, offrant une voie pour le raffinement de la matrice de densité et la reconstruction d'état quantique dans les futures simulations quantiques.