Locally Purified Maximally Mixed States At Scale: Entanglement Pruning and Symmetries

Sintesi Tecnica: Stati Massimalmente Misti Localmente Purificati su Scala: Pruning dell'Entanglement e Simmetrie

Definizione del Problema
Gli Operatori di Densità Localmente Purificati (LPDO) sono un ansatz di reti tensoriali leader per rappresentare stati quantistici misti su scala, offrendo una riduzione quadratica della dimensione virtuale rispetto ai Matrix Product Operators (MPO) e imponendo esplicitamente la positività. Tuttavia, gli autori identificano un'inefficienza critica: la rappresentazione dello stato massimalmente misto (il limite di temperatura infinita, $\rho_1$) è spesso sub-ottimale nelle computazioni pratiche.

Sebbene lo stato massimalmente misto sia fisicamente separabile (richiedendo una dimensione di legame virtuale $\chi=1$), i protocolli standard che coinvolgono canali quantistici rumorosi (ad esempio, dephasing e bitflip) applicati a stati entangled risultano in un LPDO in cui la dimensione di legame virtuale $\chi$ rimane gonfiata rispetto allo stato puro iniziale. Ciò accade perché i canali di rumore aumentano l'indice di miscela $\kappa$ (che codifica le correlazioni classiche) ma lasciano invariata la dimensione di legame coerente $\chi$. Di conseguenza, la rappresentazione risultante di uno stato separabile trasporta un "entanglement" spurio nello spazio virtuale, portando a un sovraccarico di memoria e di calcolo non necessari. Il documento affronta la sfida di mappare queste rappresentazioni sub-ottimali verso la loro forma ottimale a minima complessità ($\chi=1$).

Metodologia
Gli autori impiegano una combinazione di strumenti numerici e analitici per risolvere la sub-ottimalità delle rappresentazioni LPDO, mirando specificamente al "pruning dell'entanglement" della dimensione di legame virtuale $\chi$.

1. Troncamento Preservante la Fedeltà:
   Gli autori generalizzano il classico troncamento tramite SVD (Singular Value Decomposition) utilizzato negli MPS (Matrix Product States). A differenza degli MPS, dove l'errore di troncamento scala linearmente con il cutoff $\Lambda$, gli autori dimostrano che per lo stato massimalmente misto l'errore di approssimazione (misurato come infedeltà) è più permissivo. Propongono un protocollo in cui i tensori vicini vengono contratti e viene eseguita una SVD con un cutoff $\Lambda$ significativamente più alto (ad esempio, $0.1$a$0.5$) rispetto a quanto tipicamente usato negli MPS. Questo è seguito da una rinormalizzazione sia nello spazio della miscela ($\kappa$) che in quello coerente ($\chi$). Eseguendo dei passaggi (sweep) attraverso la catena per più volte, questo pruning "brute-force" riesce a ridurre $\chi$ a 1 mantenendo una fedeltà unitaria con l'ideale stato massimalmente misto.

2. Ottimizzazione Riemanniana:
   Per ottimizzare ulteriormente la rappresentazione, gli autori utilizzano la libertà di gauge isometrica intrinseca nello spazio di miscela virtuale ($\kappa$-subspace) dell'LPDO.

   • Funzioni Obiettivo: Vengono minimizzate due metriche basate sull'entropia: l'entropia di Renyi seconda ($S_{sr}$) della matrice di densità ridotta a due siti e l'entropia di Von-Neumann ($S_{vn}$) dei valori singolari al legame.
   • Protocollo: L'algoritmo cerca isometrie che agiscono sullo $\kappa$-subspace per minimizzare questi obiettivi entropici. L'ottimizzazione è eseguita utilizzando solver a regione di fiducia (Manopt.jl) con differenziazione numerica (Zygote.jl).
   • Sinergia: Gli autori riscontrano che l'ottimizzazione Riemanniana è particolarmente efficace se combinata con il troncamento. Sebbene l'ottimizzazione da sola possa ridurre l'entropia, può involontariamente aumentare la "coda" dei valori singolari, bloccando la riduzione di $\chi$ se viene applicato un cutoff rigoroso. Pertanto, il protocollo accoppia l'ottimizzazione con un passaggio di troncamento ad alto cutoff per eliminare efficacemente $\chi$ fino a 1.

3. Simmetria Analitica e Iniettività:
   Gli autori forniscono una giustificazione analitica per l'esistenza di isometrie disentangling. Invocano il concetto di debole simmetria (invarianza sotto coniugazione $U\rho U^\dagger = \rho$) e debole iniettività. Poiché lo stato massimalmente misto è debolmente simmetrico sotto qualsiasi unitaria, l'azione di un'unitaria sugli indici fisici (che gonfia artificialmente $\chi$) è equivalente a un'isometria nello $\kappa$-subspace virtuale.

   • Derivano un'espressione in forma chiusa per il disentangler: per un'unitaria $U$ che agisce sullo spazio fisico, l'isometria equivalente nello $\kappa$-subspace è $V = e^{-i\phi}U$. Pertanto, applicare $V^\dagger$ nello spazio virtuale inverte esattamente l'entanglement spurio indotto da $U$, ripristinando la rappresentazione ottimale $\chi=1$.

4. Troncamento $\Delta$-Adattivo per Stati Parzialmente Misti:
   Gli autori estendono la loro analisi agli stati parzialmente depolarizzati ($\rho_0$) caratterizzati da un'infedeltà $\Delta$ rispetto allo stato massimalmente misto. Introducono una strategia di troncamento $\Delta$-adattiva. Dimostrano che man mano che lo stato si allontana dal limite massimalmente misto ($\Delta$ aumenta), il cutoff di troncamento deve essere regolato. La fedeltà dello stato troncato interpola linearmente tra i limiti di precisione standard degli MPS (per stati puri, $\Delta=1$) e i limiti di troncamento preservanti la fedeltà (per stati massimalmente misti, $\Delta=0$).

Risultati Chiave

• Rappresentazione Ottimale: Gli autori dimostrano con successo che la rappresentazione sub-ottimale dell'LPDO dello stato massimalmente misto (derivante da circuiti rumorosi) può essere trasformata nella forma ottimale ($\chi=1, \kappa=2$) usando un troncamento ad alto cutoff e l'ottimizzazione Riemanniana.
• Efficienza del Troncamento: Valori di cutoff elevati ($\Lambda \approx 0.1 - 0.5$) nello $\chi$-subspace non degradano la fedeltà per lo stato massimalmente misto, contrariamente all'intuizione derivata dagli MPS per stati puri. Ciò consente un pruning aggressivo di $\chi$.
• Performance dell'Ottimizzazione: L'ottimizzazione Riemanniana utilizzando $S_{sr}$ converge più velocemente ed è computazionalmente più efficiente rispetto all'uso di $S_{vn}$. Tuttavia, la minimizzazione di $S_{vn}$ produce misure di infedeltà leggermente inferiori.
• Verifica Analitica: La derivazione analitica in forma chiusa conferma che gli ottimizzatori numerici stanno effettivamente trovando l'inverso delle azioni unitarie che hanno causato l'entanglement spurio, validando l'argomento di iniettività.
• Comportamento di Scalabilità: Per gli stati parzialmente misti, il cutoff di troncamento richiesto per mantenere una specifica infedeltà scala con la distanza dallo stato massimalmente misto. Il metodo fornisce un'interpolazione fluida tra il comportamento di troncamento standard degli MPS e il comportamento unico preservante la fedeltà dello stato massimalmente misto.

Significato e Rivendicazioni
Il documento sostiene di aver risolto la sub-ottimalità rappresentazionale degli LPDO per lo stato massimalmente misto, un limite fisicamente rilevante come punto di convergenza di algoritmi quantistici a profondità polinomiale su hardware rumorosi. Minimizzando le risorse (specificamente la dimensione di legame virtuale $\chi$) necessarie per rappresentare questi stati, gli autori affermano che l'efficienza degli algoritmi di reti tensoriali per stati misti può essere sostanzialmente aumentata.

Il lavoro si posiziona come un passo verso la scoperta dei limiti fondamentali di scalabilità delle reti tensoriali e del loro potenziale latente per rappresentare la vasta gamma di stati quantistici misti accessibili su dispositivi quantistici di epoca attuale (near-term). Gli autori suggeriscono che questi metodi possono impattare l'ingegneria dei qubit, ridurre i requisiti di risorse classiche per la simulazione di sistemi quantistici aperti (inclusi circuiti rumorosi) e migliorare l'affidabilità delle strategie di mitigazione dell'errore basate sull'estrapolazione del rumore. Il documento non propone nuovi setup sperimentali, ma offre miglioramenti algoritmici per la simulazione e l'analisi di modelli computazionali quantistici esistenti.