Exponential distillation of dominant eigenproperties

Titolo: Exponential distillation of dominant eigenproperties (Distillazione esponenziale delle proprietà degli autostati dominanti)

Autori: Bence Bakó, Tenzan Araki, Bálint Koczor (Università di Oxford, Wigner Research Centre, Eötvös Loránd University).

1. Il Problema

La stima dei valori di aspettazione di osservabili negli autostati di sistemi quantistici a molti corpi è un compito fondamentale nella chimica quantistica, nella scienza dei materiali e nella fisica delle alte energie.

• Sfide attuali: Gli algoritmi quantistici tolleranti agli errori (fault-tolerant) tradizionali, come la stima della fase quantistica (QPE), richiedono circuiti profondi che superano le capacità delle macchine quantistiche a tolleranza di errore precoce (early fault-tolerant).
• Limiti degli approcci variazionali: Gli algoritmi variazionali (es. VQE) sono adatti per dispositivi NISQ (Noisy Intermediate-Scale Quantum), ma soffrono di problemi come il "barren plateau", la convergenza in minimi locali e l'elevato numero di misurazioni (shot) necessarie.
• Obiettivo: Sviluppare un metodo ibrido quantistico-classico in grado di stimare valori di aspettazione in un autostato target (es. stato fondamentale o eccitato) partendo da uno stato iniziale che ha un sovrapposizione dominante con tale autostato, ma che può anche sovrapporsi ad altri autostati. Il metodo deve essere robusto al rumore e richiedere circuiti poco profondi.

2. Metodologia: DDE (Distillation of Dominant Eigenproperties)

L'approccio proposto, chiamato DDE, è un algoritmo ibrido che combina l'evoluzione temporale quantistica casuale con un post-processing classico basato su Monte Carlo (MC). Si ispira alle tecniche di mitigazione degli errori basate sulla purificazione (Virtual Distillation - VD), ma con una differenza fondamentale: non richiede la preparazione fisica di più copie dello stato quantistico.

Fasi dell'Algoritmo:

1. Evoluzione Temporale Casuale (Quantum Step):

   • Si parte da uno stato iniziale $|\psi(0)\rangle$ con sovrapposizione dominante $p_q$ sull'autostato target $|\psi_q\rangle$.
   • Si applica l'evoluzione temporale $e^{-iHt}$ per tempi $t$ campionati casualmente da una distribuzione normale $N(0, \sigma)$.
   • Questo processo genera uno stato misto medio $\bar{\rho}$ che, in base al Lemma 1, approssima uno stato diagonale nella base degli autovalori dell'energia. Gli errori (contributi degli autostati non target) vengono soppressi super-esponenzialmente all'aumentare della deviazione standard $\sigma$ (che determina la profondità del circuito).

2. Distillazione Virtuale tramite Integrazione Monte Carlo (Classical Step):

   • Invece di preparare fisicamente $n$ copie dello stato $\bar{\rho}$ (come nella VD classica), l'algoritmo calcola funzionali non lineari della forma $\text{tr}[\bar{\rho}^n O]$ tramite integrazione numerica.
   • Il teorema fondamentale mostra che $\text{tr}[\bar{\rho}^n O]$ è equivalente a un integrale multidimensionale su tempi $t_1, ..., t_n$.
   • Questo integrale viene valutato utilizzando un campionamento Monte Carlo. I campioni sono prodotti di correlatori a due tempi calcolati sul computer quantistico:
     • $A(t, t') = \langle \psi(t) | O | \psi(t') \rangle$
     • $B(t, t') = \langle \psi(t) | \psi(t') \rangle$
   • Questi correlatori sono stimati utilizzando circuiti di test di Hadamard su una griglia temporale 2D.

3. Stima Finale:

   • Il valore di aspettazione dell'autostato target $\langle \psi_q | O | \psi_q \rangle$ è ottenuto come rapporto tra le stime Monte Carlo di $\text{tr}[\bar{\rho}^n O]$ e $\text{tr}[\bar{\rho}^n]$.
   • L'errore totale $Q$ è soppresso esponenzialmente all'aumentare del numero di "copie virtuali" $n$ (gestite classicamente) e super-esponenzialmente all'aumentare della finestra temporale $\sigma$.

3. Contributi Chiave

• Soppressione Esponenziale con Singola Copia: A differenza della Virtual Distillation classica che richiede $n$ registri quantistici, DDE richiede un solo registro quantistico (più un qubit ancilla). La "distillazione" avviene virtualmente tramite post-processing classico, riducendo drasticamente le risorse quantistiche necessarie.
• Generalità: Il metodo non è limitato alla stima dell'energia (come la stima della fase statistica), ma permette di stimare il valore di aspettazione di qualsiasi osservabile $O$ in un autostato target.
• Robustezza agli Errori: L'algoritmo è intrinsecamente robusto contro errori di gate (rumore) ed errori algoritmici (es. errori di Trotterizzazione), poiché questi possono essere mitigati tramite estrazione polinomiale sui dati dei correlatori.
• Complessità Ottimale: La profondità del circuito scala come $\tilde{O}(\Delta^{-1})$, dove $\Delta$ è il gap energetico, paragonabile agli algoritmi di stima della fase ottimali, ma con requisiti di risorse più favorevoli per le macchine a tolleranza di errore precoce.
• Simulazione Classica Ispirata al Quantistico: Il framework è stato dimostrato funzionare anche come tecnica di simulazione classica "quantum-inspired", utilizzando tensor network (MPS) per simulare l'evoluzione temporale e calcolare i correlatori su sistemi di grandi dimensioni (fino a 100 qubit).

4. Risultati Sperimentali e Simulazioni

Gli autori hanno validato l'approccio attraverso diverse simulazioni numeriche:

• Modelli di Heisenberg e Fermi-Hubbard: Simulazioni esatte su 10-12 qubit hanno confermato la convergenza esponenziale dell'errore verso il valore vero all'aumentare delle copie virtuali $n$ e della finestra temporale $\sigma$.
• Robustezza al Rumore: Test su dispositivi con errori di gate (simulando errori depolarizzanti sui gate di rotazione) e errori di Trotterizzazione hanno mostrato che DDE mantiene alta precisione, superando gli errori iniziali.
• Integrazione con VQE: L'algoritmo è stato combinato con stati iniziali preparati tramite VQE (che spesso rimangono intrappolati in minimi locali). DDE è riuscito a "purificare" questi stati, migliorando esponenzialmente la stima dell'energia anche partendo da sovrapposizioni moderate ($p_q \approx 0.53$).
• Simulazione Classica su 100 Qubit: Utilizzando tecniche di Tensor Network (MPS) per simulare l'evoluzione temporale, gli autori hanno stimato con successo le energie dello stato fondamentale e di stati eccitati di una catena di Heisenberg a 100 qubit, dimostrando che il metodo può essere applicato classicamente per problemi dove la diagonalizzazione esatta è impossibile.

5. Significato e Implicazioni

• Vantaggio Quantistico Pratico: DDE è posizionato idealmente per l'era delle macchine a tolleranza di errore precoce (early fault-tolerant), offrendo un percorso per ottenere vantaggi pratici in chimica quantistica (es. molecole come FeMoco) senza richiedere circuiti estremamente profondi o un numero massiccio di qubit logici.
• Flessibilità: La capacità di lavorare con stati iniziali imperfetti e di stimare osservabili arbitrarie lo rende superiore alle tecniche di stima della fase tradizionali per molte applicazioni pratiche.
• Sinergia Classico-Quantistica: Il lavoro dimostra come algoritmi quantistici possano essere potenziati da tecniche di post-processing classico avanzato (Monte Carlo, median-of-means) e viceversa, come tecniche classiche (Tensor Network) possano essere estese per simulare dinamiche quantistiche complesse ispirandosi a protocolli quantistici.

In sintesi, il paper introduce un metodo ibrido potente che trasforma il problema della purificazione degli stati quantistici da una sfida di risorse hardware (copie multiple) a una sfida computazionale classica gestibile, garantendo una soppressione esponenziale degli errori e aprendo la strada a simulazioni quantistiche più accurate su hardware attuale e futuro.