Improved constant factors for qubitized Hamiltonian simulation

Imaginez que vous essayez de prédire le comportement futur d'un monde minuscule et invisible fait d'atomes et d'énergie. C'est le travail des ordinateurs quantiques, qui sont comme des calculatrices surpuissantes conçues pour simuler les lois de la physique qui régissent tout, des nouveaux médicaments aux batteries super-efficaces. Cependant, ces machines sont notoirement difficiles à programmer car les mathématiques qu'elles doivent résoudre sont incroyablement complexes. Pour rendre cela possible, les scientifiques utilisent un tour de passe-passe spécial appelé « Traitement du Signal Quantique » (Quantum Signal Processing). Considérez ce tour comme un moyen de traduire une danse complexe et tourbillonnante d'énergie en une recette simple, étape par étape, que l'ordinateur peut suivre. L'objectif est de déterminer exactement combien d'étapes (ou d'« appels » à un outil mathématique spécifique) sont nécessaires pour obtenir la bonne réponse sans gaspiller de temps ou d'énergie. Si vous effectuez trop peu d'étapes, la réponse est fausse ; si vous en faites trop, l'ordinateur tombe en panne de batterie avant d'avoir terminé. Pendant des années, les scientifiques ont tenté de trouver le nombre absolu minimum d'étapes requises, espérant gagner même un tout petit peu de travail supplémentaire pour rendre ces simulations plus rapides et plus pratiques.

Ce document traite de la découverte d'une règle beaucoup plus fine et précise pour mesurer ces étapes. Les auteurs, travaillant chez Xanadu, ont découvert un moyen de resserrer les règles sur le nombre d'étapes nécessaires pour simuler la façon dont un système quantique évolue au fil du temps. Ils se sont concentrés sur un outil mathématique spécifique appelé l'« expansion de Jacobi-Anger », qui est comme un immense livre de recettes infini décrivant comment les ondes se déplacent. Pour obtenir une bonne réponse, il faut arrêter de lire la recette à un certain point, mais il faut savoir exactement où s'arrêter pour ne pas manquer d'ingrédients importants. Les auteurs ont réalisé que les méthodes précédentes pour décider où s'arrêter étaient un peu trop prudentes, comme un boulanger qui ajouterait une énorme tasse de farine supplémentaire juste pour être sûr. En utilisant deux inégalités mathématiques astucieuses (nommées d'après Kapteyn et Watson) pour analyser la « queue » de la recette — la partie que l'on coupe — ils ont prouvé que l'on peut s'arrêter bien plus tôt que ce que l'on pensait auparavant.

Leur principale découverte est qu'ils ont presque complètement comblé l'écart entre la meilleure limite théorique possible et ce que nous pouvons réellement accomplir. Ils ont montré que le nombre d'étapes nécessaires est essentiellement égal au temps que vous simulez multiplié par un facteur qui est désormais incroyablement proche de 1. Par le passé, les meilleures estimations suggéraient que vous auriez besoin d'environ 1,36 fois (plus précisément $e/2$) plus d'étapes que le minimum absolu. Les auteurs ont prouvé qu'en traitant le reste des mathématiques avec plus de soin, vous pouvez réduire ce surplus de la même valeur de facteur, rendant le processus environ 1,36 fois plus efficace. Ils n'ont pas seulement deviné ; ils ont fourni des preuves mathématiques rigoureuses pour montrer que leurs nouvelles formules sont correctes et que les anciennes estimations plus lâches étaient en effet trop conservatrices.

Pour visualiser cela, imaginez que vous essayiez d'estimer la longueur d'une route de montagne sinueuse. Les cartes précédentes indiquaient que la route faisait environ 1,36 mille de long pour chaque mille de distance rectiligne, juste pour être prudents. Les auteurs de ce document sont sortis, ont mesuré les courbes avec un laser et ont prouvé que la route est en réalité beaucoup plus proche d'être exactement 1 mille de long pour chaque mille de distance rectiligne. Ils ont montré que la « distance supplémentaire » que les gens pensaient devoir prendre en compte était principalement une illusion causée par l'utilisation d'un ruban à mesurer trop grossier. Leur nouvelle méthode utilise un ruban de haute précision qui tient compte parfaitement des courbes, permettant aux ordinateurs quantiques de simuler des réactions chimiques et des processus physiques avec beaucoup moins de ressources. Cela ne fait pas que gagner un peu de temps ; pour les simulations larges et complexes, cela pourrait signifier la différence entre un calcul qui prend une semaine et un qui prend quelques jours, ou entre une simulation impossible et une qui est enfin réalisable. Les auteurs confirment que leurs nouvelles limites sont « serrées » (tight), ce qui signifie qu'elles sont très proches de la véritable réalité mathématique, et ils ont démontré cela en comparant leurs formules à des données générées par ordinateur, montrant que leurs prédictions correspondent presque parfaitement aux chiffres réels.