Probing the Ground State of the Antiferromagnetic Heisenberg Model on the Kagome Lattice using Geometrically Informed Variational Quantum Eigensolver

तकनीकी सारांश: ज्यामितीय रूप से सूचित वेरिएशनल क्वांटम आइजनसॉल्वर का उपयोग करके कगाम (Kagome) जाली पर एंटीफेरोमैग्नेटिक हाइजेनबर्ग मॉडल के ग्राउंड स्टेट की जांच

समस्या विवरण
यह शोध पत्र कगाम जाली (kagome lattice) पर एंटीफेरोमैग्नेटिक हाइजेनबर्ग मॉडल के ग्राउंड स्टेट को खोजने की चुनौती को संबोधित करता है, जो कि एक ऐसा तंत्र है जो ज्यामितीय फ्रस्ट्रेशन (geometric frustration) और संभावित क्वांटम स्पिन लिक्विड अवस्थाओं के लिए जाना जाता है। ऐसे $k$-लोकल हैमिल्टोनियन्स के ग्राउंड स्टेट को निर्धारित करना एक QMA-हार्ड समस्या है, जिससे बड़े सिस्टम के लिए शास्त्रीय सिमुलेशन (classical simulation) का अभिकलन असंभव हो जाता है क्योंकि हिल्बर्ट स्पेस का घातांकीय विस्तार होता है। जबकि वेरिएशनल क्वांटम आइजनसॉल्वर (VQE) एक हाइब्रिड क्वांटम-क्लासिकल दृष्टिकोण प्रदान करते हैं जो नोइजी इंटरमीडिएट-स्केल क्वांटम (NISQ) उपकरणों के लिए उपयुक्त है, वे महत्वपूर्ण बाधाओं का सामना करते हैं: गहरे सर्किट की आवश्यकता, शोर (सुसंगत और असुसंगत त्रुटियों) के प्रति संवेदनशीलता, बैरन प्लेटो (barren plateaus) जहाँ ग्रेडिएंट लुप्त हो जाते हैं, और ऐसे एंसेट्स (ansätze) डिजाइन करने की कठिनाई जो अभिव्यंजक (expressive) और हार्डवेयर-कुशल दोनों हों। विशेष रूप से, लेखक बिना किसी भारी समस्या-विशिष्ट न्यूनीकरण या अनुकूलन लूप के दौरान व्यापक त्रुटि शमन (error mitigation) पर निर्भर रहे बिना, वास्तविक क्वांटम हार्डवेयर पर ग्राउंड स्टेट गुणों, जैसे कि स्पिन-स्पिन सहसंबंधों और स्टैटिक स्ट्रक्चर फैक्टर्स, को लक्षणित करने का लक्ष्य रखते हैं।

कार्यप्रणाली
लेखक कगाम जाली के लिए अनुकूलित एक ज्यामितीय रूप से सूचित VQE दृष्टिकोण प्रस्तावित करते हैं, जो दो मौलिक ज्यामितिओं पर ध्यान केंद्रित करता है: एक एकल त्रिकोण और एक कगाम स्टार (छह कोने-साझा करने वाले त्रिकोण)।

1. ज्यामितीय रूप से सूचित एंसेट (Ansatz):
   इस डिज़ाइन का मुख्य नवाचार एक कस्टम, उथला (shallow), हार्डवेयर-कुशल एंसेट है। हैमिल्टोनियन वेरिएशनल एंसेट (HVA) के विपरीत, जो NISQ उपकरणों के लिए बहुत गहरा हो सकता है, यह एंसेट पैरामीटराइज्ड सिंगल-क्विबिट रोटेशन ($R_y$) और नेटिव हार्डवेयर कनेक्टिविटी (SWAP गेट्स से बचते हुए) के पैटर्न का उपयोग करके बनाया गया है।

   • यूक्लिडियन पैरामीटर स्पेस: इस डिज़ाइन की एक महत्वपूर्ण विशेषता यह है कि फ्युबिनी-स्टडी (Fubini-Study) मेट्रिक टेंसर विश्लेषणात्मक रूप से विकर्ण (diagonal) और स्थिर सिद्ध हुआ है। यह सुनिश्चित करता है कि पैरामीटर स्पेस स्वाभाविक रूप से यूक्लिडियन, सिंगुलैरिटी-मुक्त और ओवर-पैरामीट्राइजेशन से मुक्त है। फलस्वरूप, क्वांटम नेचुरल ग्रेडिएंट, मानक ग्रेडिएंट के समान है, जिससे अनुकूलन परिदृश्य सरल हो जाता है।
   • हार्डवेयर अनुकूलता: सर्किट की गहराई को न्यूनतम (एक एंटैंगलिंग लेयर) रखा गया है, और $R_y$ गेट्स के प्लेसमेंट को वैकल्पिक बनाकर पैरामीटर्स की संख्या कम की गई है।

2. अनुकूलन रणनीति (AQNGD/AGD):
   लेखक एक एडेप्टिव ग्रेडिएंट डिसेंट (AGD) ऑप्टिमाइज़र का उपयोग करते हैं। चूंकि एंसेट एक विकर्ण और स्थिर फ्युबिनी-स्टडी मेट्रिक प्रदान करता है, इसलिए एडेप्टिव क्वांटम नेचुरल ग्रेडिएंट डिसेंट (AQNGD), AGD में बदल जाता है। लर्निंग रेट को आर्मिजो बैकट्रैकिंग नियम (Armijo backtracking rule) का उपयोग करके गतिशील रूप से अनुकूलित किया जाता है। यह अनुकूलन को तेज करने के लिए बड़े प्रारंभिक स्टेप्स लेने की अनुमति देता है और जैसे ही ऑप्टिमाइज़र न्यूनतम के करीब पहुँचता है, यह स्वचालित रूप से स्टेप साइज को कम कर देता है, जिससे संकीर्ण ज्यामिति में ठहराव (stagnation) से बचा जा सके। इसकी तुलना SPSA (Simultaneous Perturbation Stochastic Approximation) से की गई है।

3. त्रुटि शमन (Post-Processing):
   त्रुटि शमन को VQE अनुकूलन के बाद ऊर्जा अनुमानों और संरचनात्मक गुणों को परिष्कृत करने के लिए लागू किया जाता है, न कि पुनरावृत्ति प्रशिक्षण के दौरान।

   • रीडआउट एरर मिटिगेशन (REM): SPAM (स्टेट प्रिपरेशन एंड मेजरमेंट) त्रुटियों को उलटने के लिए एक पार्टिश्न्ड रिस्पॉन्स मैट्रिक्स दृष्टिकोण का उपयोग किया जाता है, जो पूर्ण मैट्रिक्स व्युत्क्रमण (inversion) की तुलना में स्पार्स मेजरमेंट्स के लिए अधिक कुशलता से स्केल करता है।
   • जीरो-नॉइज़ एक्सट्रैपोलेशन (ZNE): लेखक परिणामों को जीरो-नॉइज़ लिमिट तक एक्सट्रपलेट करने के लिए क्वाड्रेटिक एक्सट्रैपोलेशन (और बायेसियन पॉलिनॉमियल रिग्रेशन) का उपयोग करके ZNE लागू करते हैं। वे नोट करते हैं कि हालांकि ZNE सख्ती से रेली-रिट्ज़ वेरिएशनल सिद्धांत का पालन नहीं करता है, फिर भी इसका उपयोग यहाँ सटीकता सुधारने के लिए किया गया है।

मुख्य परिणाम
अध्ययन वास्तविक क्वांटम हार्डवेयर (IBM Oslo, IBM Kyoto, IBM Torino, और IBM Algiers) पर आयोजित किया गया था और इसे स्टेट-वेक्टर सिमुलेशन के माध्यम से मान्य किया गया था।

• अभिसरण और अनुकूलन (Convergence and Optimization):

  • 3-क्विबिट त्रिकोण प्रणाली पर, AGD-अनुकूलित VQE उच्च निष्ठा (सिमुलेशन पर 99.89%) के साथ ग्राउंड स्टेट ऊर्जा ($E \approx -3$) की ओर सुचारू रूप से अभिसरित हुआ, जिसमें केवल 19 इटरेशन लगे। अंतिम पैरामीटर्स सैद्धांतिक सटीक मानों के काफी करीब थे।
  • 12-क्विबिट कगाम स्टार पर, AGD ने SPSA की तुलना में बेहतर अभिसरण प्रदर्शित किया, जिसे ग्राउंड स्टेट ऊर्जा ($E \approx -18$) तक पहुँचने के लिए कम इटरेशन की आवश्यकता पड़ी। सिमुलेशन पर अंतिम निष्ठा (fidelity) 96.37% थी।
  • आर्मिजो नियम के माध्यम से स्टेप-साइज़ अनुकूलन ने प्रभावी रूप से कॉस्ट लैंडस्केप को नेविगेट किया, जो बड़े स्टेप्स के साथ शुरू हुआ और अभिसरण के करीब आने पर सूक्ष्म होता गया।

• संरचनात्मक गुणों की शोर प्रतिरोधक क्षमता (Noise Resilience):

  • एक महत्वपूर्ण निष्कर्ष यह है कि स्पिन-स्पिन सहसंबंध और स्टैटिक स्ट्रक्चर फैक्टर ($S(q)$) शोर के प्रति लचीले हैं। बिना त्रुटि शमन के भी, प्रायोगिक $S(q)$ मैप्स ने ग्राउंड स्टेट के गुणात्मक हस्ताक्षर (जैसे कि शून्य मोमेंटम पर दमन, जो फेरोमैग्नेटिक ऑर्डर की अनुपस्थिति को दर्शाता है) को बनाए रखा।
  • शोर वाले प्रायोगिक $S(q)$ और सटीक सैद्धांतिक $S(q)$ के बीच पियर्सन सहसंबंध गुणांक अत्यधिक उच्च (>99.9%) बना रहा।
  • सिमुलेशन प्रयोगों ने शोर के स्तरों पर स्टैटिक स्ट्रक्चर फैक्टर की "स्टेप-लाइक" (step-like) निर्भरता को प्रकट किया: सहसंबंध संरचना एक महत्वपूर्ण शोर थ्रेशोल्ड तक मजबूत रहती है, जिसके बाद यह तेजी से गिर जाती है, जो एक फेज ट्रांजिशन जैसा दिखता है। यह ऊर्जा के विपरीत है, जो शोर के साथ मोनोटोनिक रूप से घटती है।

• त्रुटि शमन की प्रभावकारिता:

  • पोस्ट-ऑप्टिमाइजेशन के बाद REM और ZNE लागू करने से ऊर्जा अनुमानों में काफी सुधार हुआ। कगाम स्टार के लिए, रॉ (raw) ऊर्जा $\approx -14.9$ थी, जबकि केवल REM ने इसे $\approx -17.3$ तक सुधारा, और ZNE (quadratic) ने इसे $-18$ के सटीक मान के करीब पहुँचा दिया।
  • लेखकों ने देखा कि REM और ZNE को संयोजित करने से कभी-कभी ग्राउंड ऊर्जा का ओवरशूट (overshoot) हो जाता है (वेरियशनल बाउंड का उल्लंघन), जो ZNE की गैर-वेरियशनल प्रकृति के अनुरूप है। ZNE ने अक्सर परीक्षण किए गए विन्यासों में सबसे अच्छी सटीकता प्रदान की।

महत्व और दावे
यह शोध पत्र दावा करता है कि एक ज्यामितीय रूप से सूचित एंसेट डिज़ाइन, जो स्वाभाविक रूप से एक यूक्लिडियन पैरामीटर स्पेस सुनिश्चित करता है, जटिल समस्या-विशिष्ट न्यूनीकरण की आवश्यकता के बिना वर्तमान NISQ हार्डवेयर पर कुशल VQE प्रशिक्षण को सक्षम बनाता है।

• मजबूती (Robustness): यह कार्य प्रदर्शित करता है कि शोर वाले क्वांटम हार्डवेयर से स्पिन-स्पिन सहसंबंधों और स्टैटिक स्ट्रक्चर फैक्टर जैसे सार्थक भौतिक गुणों को पर्याप्त सटीकता के साथ निकाला जा सकता है, भले ही अनुकूलन लूप के दौरान कोई त्रुटि शमन न किया गया हो।
• अनुकूलन दक्षता: इस विशिष्ट हार्डवेयर-कुशल एंसेट के लिए SPSA की तुलना में अनुकूलित स्टेप-साइज़ के साथ AGD का उपयोग अधिक कुशल साबित हुआ, जिसने इटरेशन के मामले में तेज़ अभिसरण प्राप्त किया।
• स्केलेबिलिटी: गहरे सर्किट और प्रशिक्षण के दौरान भारी त्रुटि शमन से बचकर, यह दृष्टिकोण फ्रस्ट्रेटेड क्वांटम मैग्नेट को प्रोब करने के लिए एक स्केलेबल मार्ग प्रदान करता है। लेखक सुझाव देते हैं कि इस ढांचे को बड़े कगाम लैटिस और अन्य फ्रस्ट्रेटेड क्वांटम सिस्टम तक विस्तारित किया जा सकता है।
• विनम्रता (Modesty): लेखक स्वीकार करते हैं कि हालांकि उनका तरीका छोटे मौलिक सेल (त्रिकोण और स्टार) को सफलतापूर्वक लक्षणित करता है, अनंत कगाम लैटिस का सामान्य ग्राउंड स्टेट साहित्य में एक खुला प्रश्न बना हुआ है। वे यह दावा नहीं करते कि उन्होंने अनंत लैटिस की समस्या को हल कर दिया है, बल्कि उन्होंने वर्तमान उपकरणों पर इन प्रणालियों को प्रोब करने के लिए एक व्यवहार्य कार्यप्रणाली प्रदर्शित की है। वे यह भी नोट करते हैं कि जबकि ZNE ऊर्जा अनुमानों में सुधार करता है, यह वेरिएशनल सिद्धांत को बनाए नहीं रखता है, और REM तथा ZNE का संयोजन सावधानीपूर्वक व्याख्या की मांग करता है।