Efficient Quantum Implementation of Dynamical Mean Field Theory for Correlated Materials

Sintesi Tecnica: Implementazione Quantistica Efficiente della Teoria del Campo Medio Dinamico per Materiali Correlati

Enunciato del Problema
La descrizione teorica accurata dei materiali con elettroni fortemente correlati rimane una sfida formidabile nella fisica della materia condensata e nella chimica computazionale. I metodi di embedding, in particolare la Teoria del Campo Medio Dinamico (DMFT), affrontano questo problema mappando modelli reticolari complessi su problemi di impurità efficaci accoppiati a un bagno. Tuttavia, l'applicazione pratica della DMFT è limitata dal costo computazionale della risoluzione del modello di impurità, specificamente il calcolo della funzione di Green (GF) dell'impurità. I risolutori tradizionali affrontano ostacoli significativi: il Monte Carlo Quantistico (QMC) soffre di problemi di segno, la Diagonalizzazione Esatta (ED) è vincolata dalla crescita esponenziale dello spazio di Hilbert e i metodi delle reti tensoriali alleviano solo parzialmente queste limitazioni. Sebbene il calcolo quantistico offra una potenziale via d'uscita, gli approcci variazionali esistenti sono spesso affetti da plateau sterili e rumore hardware, e l'evoluzione temporale richiede tipicamente circuiti profondi con migliaia di porte a due qubit, superando le capacità dei dispositivi quantistici intermedi su scala rumorosa (NISQ) attuali.

Metodologia
Questo lavoro propone un framework ibrido quantistico-classico per la DMFT che sfrutta circuiti a bassa profondità e rappresentazioni efficienti degli stati per superare le limitazioni hardware attuali. La metodologia si fonda su tre pilastri fondamentali:

1. Rappresentazione del Sottospazio tramite Stati Gaussiani Fermionici (FGS):
   Invece della preparazione variazionale dello stato, lo stato fondamentale dell'impurità è approssimato come una combinazione lineare di Stati Gaussiani Fermionici (SGS). Questo approccio consente:

   • Diagonalizzazione Classica del Sottospazio: I coefficienti dello stato fondamentale sono determinati classicamente diagonalizzando l'Hamiltoniano all'interno di un sottospazio di FGS.
   • Continuazione dell'Autovettore: Un singolo sottospazio $S$, costruito da un pool candidato di FGS, può essere riutilizzato attraverso molteplici iterazioni DMFT mentre variano i parametri del bagno, purché i cambiamenti siano graduali.
   • Preparazione Quantistica Esatta: Gli FGS possono essere preparati esattamente ed efficientemente sull'hardware quantistico utilizzando operatori di evoluzione fermionica libera.

2. Compressione Parziale del Circuito:
   Per calcolare la GF dell'impurità, il framework valuta le funzioni di correlazione evolute nel tempo. Gli autori impiegano tecniche di compressione algebrica dei circuiti per ridurre significativamente la profondità del circuito:

   • Sfruttamento delle Matchgate: Il bagno è non interagenti (fermionico libero), permettendo l'uso di matchgate (equivalenti a rotazioni di Givens).
   • Regole di Compressione: Sfruttando le proprietà di fusione, commutazione e turnover delle matchgate, gli autori comprimono i circuiti di evoluzione temporale e preparazione dello stato.
   • Semplificazione Strutturale: La struttura del test di Hadamard è semplificata spostando la preparazione dello stato all'inizio del circuito e assorbendo parti dell'evoluzione di Trotter nella preparazione dello stato o scartando le porte che cadono fuori dal cono di luce della misurazione. Ciò riduce la scalatura del conteggio CNOT da $O(N_q^2)$ per passo di Trotter a $O(N_q(N_q + r N_I))$, dove $N_q$ è il numero totale di qubit, $r$ è il numero di passi di Trotter e $N_I$ è il numero di orbitali dell'impurità.

3. Mitigazione degli Errori ed Elaborazione del Segnale:
   Riconoscendo il rumore intrinseco nell'hardware attuale, il framework integra un post-processing classico:

   • Mitigazione Hardware: Le tecniche includono il twirling di Pauli (compilazione randomizzata), il disaccoppiamento dinamico (sequenze di impulsi XY) e la post-selezione basata sulla conservazione del numero di particelle.
   • Denoising e Estensione PSD: La funzione di correlazione è trattata come una funzione semi-definita positiva (PSD). I dati rumorosi sono proiettati sulla matrice PSD più vicina per rimuovere il rumore, e il segnale è esteso nel dominio del tempo utilizzando l'estensione PSD. Ciò migliora la risoluzione in frequenza senza richiedere risorse quantistiche aggiuntive, permettendo l'estrazione delle funzioni di Green di Matsubara tramite trasformata di Fourier.

Risultati Chiave
Il documento dimostra la fattibilità di questo approccio attraverso simulazioni prive di rumore e esperimenti hardware:

• Convergenza della Base: Nelle simulazioni prive di rumore, la rappresentazione SGS ha mostrato di riprodurre fedelmente lo stato fondamentale dell'impurità e la funzione di Green. È stato riscontrato che il rango richiesto $\chi$ dell'SGS è una frazione molto piccola della dimensione dello spazio di Hilbert selezionato per particella (ad esempio, $<1\%$ per sistemi con fino a 7 orbitali del bagno), anche all'aumentare delle dimensioni del sistema.
• Autoconsistenza DMFT: Il framework ha convergito con successo il ciclo DMFT per un modello a singola impurità su un reticolo di Bethe. La densità degli stati (DOS) risultante e il peso delle quasiparticelle ($Z$) corrispondevano strettamente ai benchmark ED attraverso la transizione metallo-isolante, validando che il sottospazio SGS rimane accurato durante l'intero processo iterativo DMFT.
• Dimostrazione Hardware: Gli autori hanno eseguito l'algoritmo sul processore quantistico IBM Sherbrooke per un sistema con un orbitale di impurità e tre orbitali del bagno (8 qubit + 1 ancilla).
  • Hanno estratto con successo la funzione di Green dell'impurità per una fase isolante ($U=5.337$).
  • I dati hardware mitigati dal rumore, dopo il denoising e l'estensione PSD, hanno recuperato le caratteristiche di frequenza prominenti della soluzione esatta.
  • Sebbene siano comparsi artefatti spurii ad alta frequenza a causa del rumore, questi sono stati identificati come esterni alla banda passante fisica e potevano essere scartati.

Significato e Affermazioni
Gli autori affermano che questo lavoro stabilisce un percorso pratico per l'uso dei computer quantistici come risolutori di impurità nella DMFT per materiali correlati. Il significato risiede in:

• Fattibilità Hardware: Combinando SGS con compressione parziale del circuito, il metodo riduce i conteggi delle porte a livelli gestibili dai dispositivi NISQ attuali, evitando i circuiti profondi tipicamente richiesti per l'evoluzione temporale.
• Robustezza: L'integrazione del denoising e dell'estensione PSD permette l'estrazione di informazioni dinamiche da dati rumorosi, colmando il divario tra le capacità hardware attuali e la precisione richiesta per la scienza dei materiali.
• Scalabilità: L'approccio non è limitato dalla dimensione del sistema nello stesso modo dell'ED, né dai problemi di segno come il QMC. Gli autori suggeriscono che questo framework potrebbe portare a un vantaggio quantistico precoce, in particolare per la simulazione di interazioni ritardate e per l'estensione alla DMFT multi-impurità (a cluster), a condizione che la parametrizzazione del bagno sia ben ottimizzata.

Il documento conclude che, sebbene rimangano limitazioni riguardanti il rumore e la necessità di post-processing classico, la metodologia proposta riduce efficacemente sia i costi classici che quelli quantistici, invitando a un'ulteriore esplorazione di framework ibridi per la chimica quantistica e la ricerca sui materiali.