An efficient algorithm for approximate shadow Hamiltonian simulation

Énoncé du Problème
La simulation de la dynamique en temps réel des systèmes quantiques à corps multiples est un défi central dans des domaines allant de la physique de la matière condensée à la chimie quantique. Les techniques classiques, telles que les réseaux de tenseurs et la propagation de Pauli, font face à des goulots d'étranglement dus à la croissance rapide de l'intrication. Bien que les algorithmes quantiques offrent une solution potentielle, la plupart des approches existantes (par exemple, les formules de produit, les méthodes variationnelles) reposent sur un codage direct de l'état quantique à $N$ qubits sur un registre physique de $N$ qubits.

La simulation par ombre d'Hamiltonien (Shadow Hamiltonian simulation), introduite dans la Réf. [41], offre une alternative en codant l'état quantique sous la forme d'un vecteur normalisé de valeurs d'attente d'opérateurs appartenant à une algèbre générée par les commutateurs avec l'Hamiltonien. Bien que cette méthode soit efficace pour les systèmes non interagissants où l'algèbre croît de manière polynomiale, elle devient impraticable pour les systèmes interagissants. Dans ces cas, l'algèbre requise pour satisfaire exactement la propriété d'invariance croît exponentiellement avec la taille du système ($N$), nécessitant jusqu'à $2^N$ qubits pour encoder l'« état-ombre ». Cette mise à l'échelle exponentielle annule l'avantage quantique potentiel pour les modèles physiquement pertinents.

Méthodologie
Les auteurs proposent un algorithme efficace pour la simulation par ombre d'Hamiltonien approximative. L'idée centrale est d'identifier et de conserver systématiquement uniquement les éléments de l'algèbre d'opérateurs les plus pertinents pour un ensemble spécifique d'observables cibles, plutôt que de coder l'algèbre complète. Ceci est réalisé par un « élagage d'opérateurs » (operator pruning), qui construit une base d'opérateurs tronquée et orthonormée $S_{\bar{O}}$ à partir d'une observable racine $\bar{O}$.

L'article introduit trois schémas d'élagage distincts pour construire cette base tronquée :

1. Base prédéfinie (basée sur un graphe) : Cette méthode construit un graphe multicouche pondéré où les sommets représentent des opérateurs issus d'une base orthonormée prédéfinie (par exemple, des chaînes de Pauli). Les arêtes représentent l'action du superopérateur de commutateur $A_H(\cdot) = [H, \cdot]$. Les sommets sont conservés en fonction d'un seuil de poids accumulé $\epsilon$, qui quantifie leur pertinence par rapport à l'observable racine. Cette approche est particulièrement efficace pour les Hamiltoniens perturbatifs ($H = H_0 + \xi H_1$), où le seuil correspond à un ordre de troncature de la série de Dyson.
2. Base de Krylov (Lanczos d'opérateurs) : Cette approche construit de manière itérative un sous-espace de Krylov en utilisant un algorithme de Lanczos pour opérateurs. Elle génère de nouveaux opérateurs en appliquant le superopérateur de commutateur à l'opérateur orthonormé précédent et en orthogonalisant le résultat. Un critère de troncature multiplicatif est utilisé, interrompant l'itération lorsque le produit des normes des composantes orthogonales descend en dessous d'un seuil $\epsilon$. Bien que cette méthode trouve de manière adaptative les opérateurs les plus pertinents, elle souffre de coûts de mémoire classique exponentiels lors de la représentation de vecteurs de Krylov dans une base creuse (comme les chaînes de Pauli) pour les systèmes interagissants, car les vecteurs deviennent progressivement denses.
3. Approche hybride : Pour surmonter les problèmes de mise à l'échelle de la mémoire de la méthode pure de Krylov, les auteurs proposent un schéma hybride. D'abord, la méthode de la base prédéfinie est utilisée pour identifier un ensemble d'opérateurs élagués $S_{\bar{O}}$ qui croît de manière polynomiale avec la taille du système. La base de Krylov est ensuite construite au sein de ce sous-espace restreint. Cela garantit que les vecteurs de Krylov restent creux (contenant uniquement des éléments de $S_{\bar{O}}$) tout en bénéficiant de l'efficacité adaptative de la procédure de Lanczos.

Contributions Clés

• Cadre Algorithmique : L'article présente un cadre d'approximation contrôlée qui étend la simulation par ombre d'Hamiltonien aux systèmes à corps multiples interagissants, surmontant le goulot d'étrage de l'overhead exponentiel de qubits.
• Schémas d'élagage : Le développement et la comparaison de trois méthodes d'élagage traitables (prédéfinie, Krylov et hybride) qui équilibrent les coûts de pré-traitement classique avec la taille du registre quantique requis.
• Scalabilité : Démonstration que pour des modèles de réseaux spécifiques, la taille du registre d'ombre requis pour simuler la dynamique sature à mesure que la taille du système physique augmente, permettant la simulation de systèmes arbitrairement grands avec un nombre fixe de qubits.
• Polyvalence : Le cadre montre qu'il peut traiter non seulement des observables locales (par exemple, la magnétisation), mais aussi des fonctions de corrélation d'ordre supérieur, incluant les fonctions d'autocorrélation de courant de spin et les corrélations hors du temps (OTOCs).

Résultats
L'algorithme a été testé sur des modèles de spins sur réseaux 1D et 2D :

• Modèle d'Ising à champ mixte (MFIM) 1D : Pour un système avec un champ transverse modéré, les auteurs ont démontré que la dynamique de la magnétisation d'un système physique de 100 qubits pouvait être suivie en utilisant seulement 10 qubits dans le registre d'ombre. La méthode hybride a encore réduit ce besoin à 7 qubits pour un système de 12 spins tout en maintenant une précision comparable à celle de la méthode de la base prédéfinie.
• MFIM 2D : La méthode a simulé avec succès la dynamique de la magnétisation d'un système $4 \times 4$ (16 spins) en utilisant un registre de 14 qubits (base prédéfinie) et 7 qubits (méthode hybride), montrant des économies de ressources significatives par rapport à la taille du système physique.
• Modèle XXZ à champ longitudinal : L'approche a été appliquée au transport de spin (calcul des fonctions d'autocorrélation de courant de spin) et au chaos quantique (calcul des OTOCs). La méthode hybride a permis un stockage efficace des vecteurs de Krylov, réduisant l'overhead de mémoire.
• Précision : Les comparaisons numériques avec la diagonalisation exacte montrent que la simulation par ombre élaguée capture avec précision la dynamique, y compris l'échelle des coefficients de diffusion dans le régime balistique et la croissance exponentielle caractéristique des OTOCs dans les systèmes chaotiques.

Signification et Revendications
L'article affirme lever le principal goulot d'étranglement de la simulation par ombre d'Hamiltonien, en faisant un algorithme quantique pratiquement pertinent pour les systèmes interagissants. En codant l'état sur une algèbre approximativement fermée, la méthode fournit une « représentation en vecteur de spin » qui réduit drastiquement la taille du registre de qubits requis pour l'évolution temporelle.

Les auteurs soulignent que leur approche offre un moyen systématique de construire l'ombre de l'Hamiltonien sans calibration dynamique (contrairement aux méthodes de propagation en cône de lumière) et est naturellement généralisable aux modèles 2D et 3D, contrairement à certaines approches de réseaux de tenseurs. Bien que l'objectif principal soit la simulation quantique, les auteurs notent que les algorithmes de pré-traitement classique peuvent également servir de technique de simulation classique pour la dynamique, selon la dimension et la structure de l'Hamiltonien d'ombre résultant. Le travail suggère que pour les modèles présentant des paramètres caractéristiques faibles, l'élagage peut être très efficace, bien que son efficacité dépende du modèle spécifique et du choix des observables.