Symmetry-guided quantum state preparation: Branched-Subspaces Adiabatic Preparation (B-SAP)

Sintesi Tecnica: Preparazione Adiabatica a Sottospazi Ramificati (B-SAP)

Definizione del Problema
La preparazione dello stato quantistico è un compito fondamentale per la simulazione di sistemi complessi a molti corpi in fisica, chimica e scienza dei dati. Gli approcci attuali affrontano significativi compromessi. Gli Algoritmi Quantistici Variazionali (VQA) si affidano ad ansatz parametrizzati e ottimizzazione classica, che spesso soffrono di "plateau barren" (gradienti che svaniscono esponenzialmente), scarsa scalabilità a causa della necessità di spazi di parametri esponenzialmente grandi e problemi di convergenza legati ai minimi locali. Al contrario, la Preparazione Adiabatica (AP) evolve uno stato iniziale sotto un Hamiltoniano tempo-dipendente per raggiungere uno stato target. Sebbene concettualmente distinta, l'AP è altamente sensibile ai gap spettrali di energia; se i livelli di energia si incrociano o se i gap si chiudono esponenzialmente con la dimensione del sistema, il teorema adiabatico fallisce nel garantire la preparazione di un particolare autostato, portando spesso a una superposizione sconosciuta di stati degeneri. Queste limitazioni ostacolano la preparazione simultanea di stati fondamentali ed eccitati, fondamentale per comprendere gli spettri ottici, i processi di trasferimento di carica e gli intermedi di reazione.

Metodologia: Preparazione Adiabatica a Sottospazi Ramificati (B-SAP)
Gli autori propongono B-SAP, un algoritmo ibrido che integra i punti di forza strutturali dei VQA e dell'AP, mitigando le rispettive debolezze attraverso strutture gruppoteoriche e post-elaborazione classica.

1. Inizializzazione Guidata dalla Simmetria: A differenza della convenzionale AP, che tipicamente seleziona un Hamiltoniano iniziale ($H_0$) con un gruppo di simmetria minimo per evitare la degenerazione, B-SAP seleziona un $H_0$ il cui gruppo di simmetria contiene il gruppo di simmetria dell'Hamiltoniano target ($H_T$) come sottogruppo. Di conseguenza, lo spettro energetico iniziale presenta un'alta degenerazione.
2. Esplorazione del Sottospazio tramite Gate Parametrizzati: L'algoritmo identifica un eigenspazio degenere $S(B_n)$ di $H_0$ corrispondente a un livello di energia $E_n$. Invece di utilizzare un ansatz generico, B-SAP costruisce un insieme specifico di gate unitari parametrizzati $\{G_j(\alpha_j)\}$ che agiscono come endomorfismi su questo sottospazio. Questi gate sono derivati dai generatori del gruppo unitario $U(d_n)$ (dove $d_n$ è la dimensione del sottospazio), ridotti allo spazio coset $U(d_n)/U(d_{n-1})$ per garantire che la mappatura sia biettiva per un dato stato di riferimento.
   • Fondamentalmente, il numero di parametri addestrabili scala come $2d_n - 1$ (o $2(d_n-1)$ se la fase globale è irrilevante). Poiché $d_n$ scala polinomialmente con la dimensione del sistema $L$ per i modelli considerati, il conteggio dei parametri evita la scalabilità esponenziale che porta ai plateau barren.
3. Evoluzione Adiabatica con Ramificazione: Il sistema subisce un'evoluzione adiabatica da $H_0$ a $H_T$. Poiché il gruppo di simmetria di $H(s)$ rimane costante o diminuisce (le simmetrie vengono infrante, non introdotte), le rappresentazioni irriducibili (irreps) del gruppo di simmetria rimangono invariate o si ramificano (branching). Questa struttura di "ramificazione" impedisce la fusione di livelli di energia distinti che causa incroci di livelli nella AP convenzionale. Il protocollo assicura che la condizione del gap spettrale sia richiesta solo tra eigenspazi distinti, piuttosto che tra ogni singolo autostato, rilassando i vincoli per una preparazione di successo.
4. Post-Elaborazione Classica (MC-VQE): Per ottimizzare i parametri variazionali senza soffrire di colli di bottiglia dell'ottimizzazione, gli autori impiegano il Variational Quantum Eigensolver Multi-Stato Contrattato (MC-VQE).
   • Invece di ottimizzare un singolo stato, l'algoritmo prepara stati di sovrapposizione $|\Psi^p_{ml}\rangle$ (superposizioni di stati base) sul registro quantistico.
   • Misura gli elementi di matrice dell'Hamiltoniano target $H_T$ nella base evoluta, costruendo una matrice $d_n \times d_n$ $[H_T]^{(n)}_{ml}$.
   • Questa matrice viene diagonalizzata classicamente per ottenere gli autovalori e i coefficienti degli autovettori target.
   • I parametri variazionali vengono quindi sintonizzati classicamente per massimizzare la sovrapposizione tra lo stato preparato e il vettore target derivato classicamente. Ciò evita la necessità di un circuito quantistico durante lo step finale di minimizzazione e fornisce un minimo globale noto per la funzione di perdita.

Contributi Chiave

• Framework Ibrido: Il documento introduce un nuovo algoritmo che aggira la necessità di ansatz euristici (comuni nei VQA) e i rigorosi requisiti di non-incrocio dei gap (comuni nell'AP).
• Costruzione Gruppoteorica: Utilizza la teoria delle rappresentazioni del gruppo di simmetria dell'Hamiltoniano per costruire un circuito parametrizzato che esplora efficientemente un sottospazio degenere specifico, garantendo che il numero di parametri scala polinomialmente con la dimensione del sistema.
• Robustezza agli Incroci di Livelli: Progettando il percorso adiabatico in modo che le simmetrie vengano infrante anziché introdotte, il metodo previene la formazione di degenerazioni accidentali che tipicamente affliggono l'evoluzione adiabatica, permettendo la preparazione di stati eccitati.
• Bypass dell'Ottimizzazione Classica: L'integrazione di MC-VQE consente l'estrazione di informazioni sugli stati eccitati tramite la diagonalizzazione classica di una piccola matrice, riducendo la dipendenza da difficili loop di ottimizzazione quantistico-classica.

Risultati
Gli autori hanno validato B-SAP utilizzando il modello Heisenberg XYZ unidimensionale con condizioni al contorno periodiche su un simulatore quantistico (Qiskit) per dimensioni di sistema fino a $L=10$ qubit.

• Accuratezza: L'algoritmo ha preparato con successo lo stato fondamentale e i primi quattro stati eccitati attraverso un ampio intervallo di costanti di accoppiamento ($J_x, J_y, J_z$).
• Metriche di Errore: Per lo stato fondamentale, l'errore (infedeltà) è stato trascurabile rispetto alla sovrapposizione con uno stato casuale ($2^{-L}$) nella maggior parte delle regioni dei parametri, anche con un numero minimo di step Trotter ($L/2$). Per gli stati eccitati, gli errori sono rimasti generalmente al di sotto del 10% e spesso a livello percentuale.
• Scalabilità: La profondità del circuito richiesta scala polinomialmente con la dimensione del sistema $L$.
• Confronto: Confrontato con la standard AP sullo stesso modello e parametri:
  • La standard AP ha performato in modo comparabile per lo stato fondamentale, ma è fallita completamente per il primo stato eccitato nella maggior parte delle regioni dei parametri a causa degli incroci dei livelli di energia.
  • B-SAP ha preparato con successo gli stati eccitati dove la standard AP è fallita, dimostrando la sua capacità di navigare gli incroci di livelli tramite la ramificazione dei sottospazi degeneri.

Significatività e Rivendicazioni
Il documento sostiene che B-SAP offre una via promettente per la preparazione di stati quantistici su piattaforme di calcolo quantistico near-term, bilanciando accuratezza, efficienza delle risorse e robustezza.

• Applicabilità Near-Term: La scalabilità polinomiale della profondità e dei parametri del circuito rende l'algoritano adatto a dispositivi con tempi di coerenza e connettività limitati.
• Accesso agli Stati Eccitati: Il metodo affronta una lacuna critica nelle capacità attuali, consentendo la preparazione affidabile di stati eccitati di ordine superiore, essenziali per determinare spettri ottici e reattività chimica, che sono tipicamente inaccessibili tramite metodi adiabatici o variazionali standard a causa degli incroci di livelli e delle difficoltà di ottimizzazione.
• Prospettive Future: Gli autori suggeriscono che l'approccio può essere esteso alle simulazioni quantistiche di materiali complessi, chimica quantistica e sistemi di teoria dei campi, con lavori futuri focalizzati sull'integrazione di tecniche di mitigazione dell'errore per il dispiegamento su hardware reale. Il documento non afferma di risolvere il problema generale di tutta la preparazione di stati quantistici, ma posiziona B-SAP come una soluzione specifica ed efficace per Hamiltoniani a molti corpi con simmetrie note.