A Quantum Algorithm with Polylogarithmic Depth per Trotter Step for the Extended Hubbard Model

Riassunto Tecnico: Q2FMM per il Modello di Hubbard Esteso

Problematica
La simulazione del modello di Fermi-Hubbard esteso su un reticolo bidimensionale è una sfida centrale per il calcolo quantistico, in particolare per la fisica della materia condensata e le strutture elettroniche fortemente correlate. Mentre i termini locali (hopping e interazioni on-site) possono essere simulati efficientemente con circuiti a profondità costante o bassa, l'inclusione delle interazioni Coulombiane a lungo raggio presenta un collo di bottiglia significativo. Queste interazioni generano $O(N^2)$ termini (dove $N$ è il numero di siti del reticolo), portando a circuiti quantistici profondi. Le strategie di troncamento standard, come le reti di SWAP fermionici, risultano spesso inefficaci per i potenziali Coulombiani a causa del loro decadimento lento $1/r$, che richiede raggi di cutoff elevati per mantenere l'accuratezza.

Metodologia: L'algoritmo Q2FMM
Gli autori propongono Q2FMM, un algoritmo quantistico ispirato al metodo classico Fast Multipole Method (FMM) per simulare l'evoluzione temporale del modello di Hubbard esteso all'interno della formula del prodotto di Trotter. La metodologia centrale consiste nel sostituire le interazioni dirette sito-sito con interazioni tra "box" gerarchici e a scala grossolana attraverso molteplici scale di lunghezza.

1. Struttura Gerarchica: L'algoritmo organizza il reticolo 2D in una struttura quadtree. Distingue tra interazioni di "near-field" (gestite direttamente al livello più fine) e interazioni di "far-field" (approssimate tramite espansioni multipolari).
2. Espansioni Multipolari:
   • Q2FMM di ordine zero: Utilizza un'approssimazione semplificata in cui i box distanti interagiscono in base ai loro numeri di occupazione totale ($N_A N_B$).
   • Q2FMM di ordine superiore: Affina l'accuratezza mantenendo i coefficienti multipolari ($M_{\ell m}$) invece dei soli numeri di occupazione totale. Ciò consente un compromesso sistematico tra accuratezza e costo computazionale tramite un ordine di troncamento $p$.
3. Design del Circuito Quantistico:
   • Fase di Calcolo (Compute Phase): L'algoritmo procede dal livello più fine (siti individuali) verso il livello più grossolano. Ad ogni livello, aggrega le informazioni dai box figli ai box genitori utilizzando adder quantistici. Per le versioni di ordine superiore, ciò comporta la traduzione e la somma dei coefficienti multipolari.
   • Applicazione della Fase: L'energia di interazione per coppie di box viene calcolata utilizzando moltiplicatori quantistici per calcolare i prodotti dei numeri di occupazione o dei termini multipolari. La fase risultante viene applicata tramite gate di fase a singolo qubit.
   • Fase di Uncompute: Per prevenire l'accumulo di stati di scarto (garbage states) e l'entanglement indesiderato, l'algoritmo impiega una fase reversibile di "uncompute". Questa inverte i passaggi di aggregazione (decomponendo l'informazione del genitore nuovamente nei figli) dopo che la fase è stata impressa, garantendo che il sistema ritorni a uno stato pulito pur preservando la fase dinamica.
4. Ottimizzazioni: Il documento discute ottimizzazioni opzionali utilizzando operazioni di COPY (CNOT trasversali) per parallelizzare i calcoli di fase e gate fan-out non limitati per ridurre la profondità dei circuiti aritmetici a $O(\log^* n)$, sebbene l'analisi di scaling principale si basi su circuiti reversibili standard.

Risultati Chiave e Complessità
Il circuito quantistico risultante raggiunge le seguenti proprietà di scaling per passo di Trotter e per il tempo totale di simulazione $t$ con errore target $\epsilon$:

• Profondità del Circuito: La profondità per passo di Trotter scala polilogaritmicamente con la dimensione del sistema $N$. Nello specifico, scala come $O(\log N \cdot \log Q)$, dove $Q$ è il numero di elettroni.
• Complessità di Gate: La complessità di gate per passo di Trotter scala quasi-linearmente con la dimensione del sistema, indicata come $\tilde{O}(N)$.
• Complessità Totale: Considerando il numero di passi di Trotter necessari per simulare il tempo $t$ con errore $\epsilon$, la profondità totale del circuito scala come $\tilde{O}(N^{1/2} t^{3/2} / \epsilon^{1/2})$, e la complessità totale di gate scala come $\tilde{O}(N^{3/2} t^{3/2} / \epsilon^{1/2})$.
• Qubit Ancillari: L'algoritmo richiede un numero di qubit ancillari che scala quasi-linearmente con la dimensione del sistema, $\tilde{O}(N)$.

Significatività e Rivendicazioni
Il documento sostiene che Q2FMM offra un vantaggio significativo rispetto ai metodi esistenti per la simulazione di interazioni a lungo raggio in sistemi di grandi dimensioni.

• Confronto con l'Immagine di Interazione: Gli autori confrontano Q2FMM con il metodo dell'immagine di interazione (Low e Wiebe, Rif. [82]), che ha una complessità di gate di $\tilde{O}(N^2 t)$. Q2FMM diventa vantaggioso nel regime di grandi sistemi (grande $N$), mentre il metodo dell'immagine di interazione è più favorevole per simulazioni a lungo termine e alta precisione (grande $t$, piccolo $\epsilon$). Il punto di incrocio è stimato a $N \sim \tilde{O}(t/\epsilon)$.
• Idoneità all'Hardware: Gli autori suggeriscono che Q2FMM sia particolarmente adatto ai computer quantistici a atomi neutri bidimensionali, che supportano nativamente lo spostamento degli atomi (atom shuttling) e gate di entanglement a lungo raggio. È inoltre compatibile con le architetture a codice di superficie dove le operazioni a lungo raggio possono essere realizzate in profondità costante.
• Generalità: Sebbene dimostrato sul modello di Hubbard esteso, il framework è presentato come applicabile ad altri kernel (es. Yukawa, Helmholtz) e potenzialmente ad hamiltoniane molecolari ab initio discretizzate su griglie nello spazio reale.

Distinzione dal Lavoro Correlato
Gli autori distinguono Q2FMM dagli approcci basati su FMM recenti per hamiltoniane molecolari (es. Berry et al., Rif. [80]). In quei lavori, lo stato quantistico è in prima quantizzazione, richiedendo un complesso ordinamento degli elettroni in box spaziali basato su dati di posizione quantistica. Al contrario, Q2FMM opera su un reticolo dove i qubit sono pre-disposti per posizione spaziale (seconda quantizzazione), eliminando la necessità di movimento di dati quantistici basato sulla posizione. Di conseguenza, Q2FMM si concentra sul riutilizzo gerarchico efficiente dei risultati intermedi e sulla gestione degli stati di scarto attraverso l'uncomputing.