Symmetry-Adapted Eigensolver from Real-Space Sampling of Tensor-Network-Bridged Quantum Circuits

Nel mondo microscopico della fisica quantistica, atomi ed elettroni non si comportano come piccole palle da biliardo; essi esistono in uno stato di profonda connessione noto come entanglement. Quando le particelle sono entangled, lo stato di una influenza istantaneamente lo stato di un'altra, indipendentemente dalla loro distanza. Questo fenomeno crea una complessità matematica che cresce in modo esplosivo all'aumentare delle particelle aggiunte a un sistema. Per decenni, gli scienziati hanno lottato per simulare questi sistemi fortemente connessi su computer classici perché la quantità di informazioni necessarie per descriverli supera rapidamente la capacità anche dei più potenti supercomputer. Per affrontare questa sfida, i ricercatori ricorrono spesso a una tecnica chiamata rete tensoriale (tensor network), che agisce come un algoritmo di compressione, eliminando i dettagli superflui per mantenere solo le connessioni più essenziali. Tuttavia, anche questi metodi compressi faticano quando le connessioni si estendono attraverso l'intero sistema, richiedendo una potenza di calcolo immensa per catturare il quadro completo.

Un team di fisici della Zhejiang University ha proposto un nuovo modo per navigare in questa complessità separando l'atto di campionare uno stato quantistico dall'atto di definirlo. Il loro approccio, dettagliato in uno studio recente, combina i punti di forza dei circuiti quantistici e delle reti tensoriali classiche per risolvere un tipo specifico di problema difficile: trovare lo stato di energia minima di un sistema di spin interagenti, che funge da modello per i materiali magnetici. Invece di cercare di calcolare l'intero sistema in una volta sola, essi dividono il reticolo di spin in blocchi più piccoli. All'interno di ogni blocco, un circuito quantistico cattura l'entanglement locale, mentre un'impalcatura matematica classica collega questi blocchi per ripristinare le correlazioni globali. L'innovazione chiave risiede nel modo in cui gestiscono la simmetria del sistema. Invece di costringere il computer a calcolare ogni possibile disposizione di spin, raggruppano le disposizioni che sono equivalenti sotto operazioni di simmetria, come la rotazione o la riflessione. Definiscono quindi lo stato quantistico non sommando le ampiezze di queste disposizioni, ma aggregando le loro probabilità. Questa distinzione permette loro di generare campioni del sistema in modo diretto ed efficiente, senza i lenti processi di "random walk" solitamente richiesti per esplorare spazi così vasti.

I ricercatori hanno testato il loro metodo su un noto modello di frustrazione magnetica, dove forze contrastanti rendono difficile per il sistema stabilizzarsi in un ordine semplice. Hanno applicato la loro tecnica a catene monodimensionali e griglie bidimensionali di spin, incorporando simmetrie come la traslazione e la riflessione per garantire che i risultati rispettassero le leggi fisiche che governano il sistema. Nelle loro simulazioni, hanno utilizzato una quantità molto piccola di risorse computazionali, specificamente un parametro noto come dimensione del legame (bond dimension), che controlla la complessità delle connessioni tra i blocchi. Anche con questo parametro impostato su un valore basso come sei, il metodo ha prodotto risultati con un errore assoluto di energia per sito di appena una parte su centomila. Questo livello di precisione è paragonabile ai metodi tradizionali che richiedono dimensioni del legame nell'ordine delle migliaia, una differenza che rappresenta una riduzione massiccia del costo computazionale. Il team ha scoperto che, utilizzando una base adattata alla simmetria, l'entanglement a lungo raggio che solitamente grava sul calcolo era trasportato efficacemente dalla struttura matematica della base stessa, lasciando all'impalcatura computazionale solo il compito di gestire i dettagli rimanenti.

Un aspetto cruciale di questo lavoro è il modo in cui i ricercatori hanno costruito i circuiti quantistici utilizzati per generare i campioni. Invece di progettare circuiti complessi da zero, un compito difficile e soggetto a errori, hanno derivato le connessioni necessarie dalla matrice di densità ridotta di un sistema più piccolo ed esattamente risolvibile. Questa matrice descrive le proprietà statistiche di un piccolo blocco di spin all'interno di un sistema più grande. Estrarre i pattern più significativi da questa matrice, hanno creato una mappa isometrica semplificata che cattura efficientemente l'essenziale struttura di entanglement. Questo approccio evita la necessità di circuiti profondi e altamente parametrizzati, che sono difficili da ottimizzare, inserendo di fatto la fisica del problema direttamente nel processo di campionamento. Il risultato è un framework ibrido in cui i circuiti quantistici agiscono come un generatore di configurazioni nello spazio reale, e la rete tensoriale classica funge da ponte che organizza queste configurazioni in uno stato coerente e rispettoso della simmetria.

Lo studio dimostra che questa separazione dei ruoli permette una simulazione altamente efficiente di sistemi fortemente correlati. I ricercatori hanno mostrato che, per un sistema di sessantaquattro spin in una catena monodimensionale e un reticolo di sessantaquattro spin in due dimensioni, il loro metodo poteva riprodurre l'energia dello stato fondamentale con una precisione straordinaria. Hanno verificato questi risultati confrontandoli con la diagonalizzazione esatta e il gruppo di rinormalizzazione della matrice di densità (DMRG), che sono considerati gli standard di riferimento per tali problemi. L'accordo era così stretto che le piccole discrepanze potevano essere attribuite alla dimensione finita del legame, che poteva essere ulteriormente ridotta tramite estrapolazione. Ciò suggerisce che il metodo non è solo accurato, ma anche scalabile, poiché la base adattata alla simmetria gestisce naturalmente le correlazioni a lungo raggio che tipicamente richiedono enormi risorse computazionali per essere simulate.

Guardando al futuro, gli autori osservano che, sebbene la loro implementazione attuale utilizzi un'impalcatura di rete tensoriale classica, il framework è progettato per essere compatibile con l'hardware quantistico distribuito. I blocchi del sistema possono essere elaborati in parallelo su separati processori quantistici, con la rete classica che coordina i risultati. Questa architettura evita la necessità che i processori quantistici condividano direttamente l'entanglement, un ostacolo significativo nell'attuale computazione quantistica distribuita. Il passaggio generativo dell'algoritmo può essere eseguito sequenzialmente su un dispositivo quantistico, producendo campioni esatti del sistema senza la necessità di una complessa stima dell'ampiezza. Tuttavia, l'ultimo passaggio, ovvero il calcolo dello stimatore di energia, rimane una sfida per l'implementazione diretta sull'hardware, poiché richiede di interrogare l'ampiezza di specifiche configurazioni piuttosto che misurare i valori di aspettazione. I ricercatori suggeriscono che riformulare questo stimatore affinché si basi su quantità direttamente misurabili sia il prossimo passo critico verso una realizzazione completamente quantistico-classica.

In definitiva, questo lavoro offre una nuova prospettiva su come simulare la materia quantistica. Riconoscendo che la definizione di uno stato quantistico e il campionamento di quello stato possono essere disaccoppiati, i ricercatori hanno trovato un modo per sfruttare la potenza della simmetria per ridurre il carico computazionale. Il metodo dimostra che, anche con risorse molto limitate, è possibile catturare l'intricata danza delle particelle entangled, purché si sappia dove guardare e come organizzare l'informazione. Le scoperte suggeriscono che la strada per simulare sistemi quantistici più grandi e complessi potrebbe non richiedere computer sempre più grandi, ma modi più intelligenti di organizzare l'informazione che è già disponibile. Mentre il campo si muove verso dispositivi quantistici più potenti, questo approccio fornisce un ponte robusto ed efficiente tra le tecniche di simulazione classica e le capacità emergenti dell'hardware quantistico.