Magic in quantum trajectory unravelings of noisy random quantum circuits

Dans la quête pour comprendre l'univers, les physiciens se sont longtemps appuyés sur l'idée que des systèmes complexes peuvent être décomposés en parties plus simples et prévisibles. Pendant des décennies, l'étude des systèmes quantiques — où les particules se comportent de manières qui défient l'intuition quotidienne — s'est concentrée principalement sur la façon dont ces systèmes s'enchevêtrent, un phénomène où les particules restent profondément connectées quelle que soit la distance. Cette connexion limite la capacité à simuler ces systèmes sur des ordinateurs ordinaires. Cependant, ces dernières années, les scientifiques ont réalisé que l'enchevêtrement n'est pas le seul obstacle. Il existe une autre ressource, plus évasive, nécessaire pour rendre les systèmes quantiques véritablement puissants et difficiles à simuler, souvent décrite comme une sorte de complexité qui va au-delà des simples connexions. Cette ressource détermine si un état quantique peut être décrit efficacement à l'aide d'un ensemble spécifique de règles mathématiques connues sous le nom de stabilisateurs. Lorsqu'un système possède trop de cette complexité supplémentaire, il devient impossible pour les ordinateurs classiques les plus avancés de suivre son évolution sans une explosion du temps et de la mémoire requis.

Le défi est particulièrement aigu lorsque ces systèmes quantiques sont bruyants. Dans le monde réel, les circuits quantiques ne sont jamais parfaits ; ils sont constamment perturbés par leur environnement, ce qui provoque des erreurs qui brouillent l'information quantique délicate. Pour comprendre comment ces systèmes bruyants se comportent, les chercheurs utilisent une méthode appelée « débobinage » (unraveling). Imaginez que vous essayiez de comprendre le chemin d'une seule feuille tombant à travers une forêt tempétueuse. Vous ne pouvez pas voir le chemin exact de la feuille, seulement la dérive moyenne de l'air. Le débobinage est le processus mathématique consistant à imaginer de nombreux chemins individuels possibles que la feuille aurait pu prendre, de telle sorte que si vous les faisiez tous la moyenne, vous obtiendriez le même résultat que la dérive moyenne. En physique quantique, cela signifie décomposer un état quantique désordonné et bruyant en de nombreux « trajectoires » d'états purs et propres. Bien que tous ces différents ensembles de chemins mènent au même résultat moyen final, les chemins individuels eux-mêmes peuvent paraître très différents. Certains chemins peuvent rester simples et faciles à simuler, tandis que d'autres peuvent devenir incroyablement complexes. La question que les chercheurs se sont posée était de savoir s'ils pouvaient choisir une manière spécifique de traiter le bruit qui garderait ces chemins individuels aussi simples que possible, rendant ainsi plus facile la simulation du système sur un ordinateur classique.

Une équipe de chercheurs de l'École Polytechnique Fédérale de Lausanne s'est donné pour mission de répondre à cette question en étudiant comment cette « complexité supplémentaire » se comporte dans différents types de circuits quantiques bruyants. Ils se sont concentrés sur deux scénarios principaux : un où les portes quantiques sont choisies de manière totalement aléatoire, créant un environnement chaotique, et un autre où les portes sont principalement simples et prévisibles, avec seulement quelques éléments aléatoires ajoutés. Leur objectif était de voir s'ils pouvaient trouver une recette mathématique spécifique pour gérer le bruit afin de minimiser la complexité des chemins individuels. Ils ont découvert que la manière la plus évidente et standard de gérer le bruit, qui utilise des opérations simples et prévisibles, était en fait le pire choix pour maintenir la simplicité des chemins. Dans cette approche standard, les événements de bruit agissent comme des poignées de main invisibles qui ne font rien pour réduire la complexité, laissant les chemins aussi chaotiques que si aucun bruit ne s'était produit.

Les chercheurs ont ensuite exploré un vaste paysage de manières alternatives de gérer le bruit, à la recherche d'une meilleure recette. Ils ont découvert que la meilleure approche n'était pas celle à laquelle beaucoup d'experts s'attendaient. Pendant longtemps, l'idée prédominante était que la meilleure façon de simplifier un système quantique était de le forcer à faire un choix défini, comme un lancer de pièce, à chaque étape du processus. C'est ce qu'on appelle une mesure projective, où le système est forcé dans un état simple. Cependant, l'équipe a montré par ses simulations que dans les systèmes déjà hautement complexes, cette méthode du « lancer de pièce » n'est pas la plus efficace. Au lieu de cela, la stratégie optimale implique une mesure « faible », beaucoup plus douce. Imaginez une mesure qui ne réduit pas complètement le système en un seul état, mais qui le pousse légèrement, recueillant un tout petit peu d'information sans le perturber totalement. En utilisant ces poussées douces, les chercheurs ont découvert qu'ils pouvaient réduire considérablement la complexité moyenne des chemins.

Les résultats étaient frappants. Dans les circuits chaotiques et aléatoires, cette nouvelle méthode a réduit la complexité moyenne des chemins d'une quantité substantielle, selon la force du bruit. Dans les circuits plus simples, où le système est déjà proche d'être facile à simuler, les poussées douces étaient toujours efficaces, bien que la méthode standard du « lancer de pièce » soit presque aussi performante. Cependant, l'histoire ne s'est pas terminée par une simple victoire. Les chercheurs ont découvert que si la complexité moyenne diminuait, la distribution de la complexité entre les différents chemins devenait extrêmement inégale. La plupart des chemins devenaient beaucoup plus simples, mais une petite fraction des chemins restait tout aussi complexe et difficile à simuler qu'auparavant. Ces chemins persistants à haute complexité étaient ceux qui déterminaient le coût total de la simulation du système. Comme le coût de la simulation croît exponentiellement avec la complexité, ces quelques chemins difficiles dominaient l'effort requis, même s'ils étaient désormais beaucoup plus rares qu'ils ne l'auraient été en utilisant la méthode standard.

Cette découverte transforme la compréhension de la simulation des systèmes quantiques bruyants. Elle montre que réduire simplement la complexité moyenne ne suffit pas pour rendre une simulation efficace. Le véritable goulot d'étranglement est la queue de la distribution — les chemins rares et difficiles qui refusent de se simplifier. La nouvelle méthode n'élimine pas ces chemins difficiles, mais elle les rend beaucoup moins fréquents. Cela signifie qu'un ordinateur simulant le système devra toujours gérer le même type de calculs difficiles, mais il y sera confronté beaucoup moins souvent. Les chercheurs ont conclu que, bien que cette optimisation offre un avantage clair, elle ne transforme pas un problème impossible en un problème facile. La difficulté fondamentale demeure, mais le chemin pour la résoudre est devenu légèrement plus gérable. Leur travail souligne que dans le monde quantique, la manière dont nous choisissons d'observer le bruit peut changer l'histoire que nous racontons sur le système, révélant que la manière la plus efficace de dompter la complexité est souvent non pas par une mesure forcée, mais par une observation subtile et attentive.