Hybrid VQE-CVQE algorithm using diabatic state preparation

Il documento propone un algoritmo ibrido VQE-CVQE che utilizza la preparazione di stati diabatici per operatori unitari parametrizzati, dimostrando la sua efficacia nel raggiungere l'accuratezza chimica sia su computer quantistici a scala intermedia che su futuri computer quantistici con correzione degli errori attraverso simulazioni sul processore IBM Brisbane.

L'essenziale

La Visione d'Insieme: Uno Sforzo di Squadra Ibrido

Immaginate di cercare il punto più basso in una vasta catena montuosa avvolta dalla nebbia (questo rappresenta la ricerca dello stato di energia più stabile di una molecola complessa). Avete due strumenti:

1. Una Bussola Quantistica: Un dispositivo potente ma attualmente "rumoroso" che può indicarvi una direzione generale, ma non è perfetto.
2. Una Mappa Classica: Un computer molto intelligente, bravo a elaborare numeri, ma che non può vedere l'intera montagna in una volta sola.

Questo articolo propone un nuovo modo per far collaborare questi due strumenti. Invece di chiedere alla Bussola Quantistica di fare tutto il lavoro da sola (il che è difficile perché è rumorosa) o di chiedere alla Mappa Classica di indovinare l'intera montagna (che è troppo grande per essere calcolata), essi lavorano insieme in una specifica staffetta.

Il Processo in Tre Fasi

Fase 1: Il Salto "Diabatico" (La Parte Quantistica)
Di solito, per trovare il fondo della montagna, si cercherebbe di scendere lentamente e con cautela (questo si chiama preparazione "adiabatica"). Ma sugli odierni computer quantistici rumorosi, camminare lentamente richiede troppo tempo e il rumore vi disturba prima di arrivare a destinazione.

Gli autori suggeriscono un approccio diverso: Il Salto "Diabatico".
Pensate a questo come a un salto rapido e approssimativo giù per la montagna, piuttosto che a una camminata lenta e attenta. Non atterrerete perfettamente sul fondo, ma atterrerete in un "buon quartiere" vicino al fondo.

• L'Affermazione del Paper: Anche se questo salto è brusco e veloce (usando pochissimi passaggi), vi fa comunque atterrare in una regione dove è probabile che si nasconda lo stato fondamentale (l'energia più bassa). Questo è fondamentale perché significa che non avete bisogno di un computer quantistico perfetto e privo di errori per ottenere un punto di partenza utile.

Fase 2: Gettare una Rete (La Misurazione)
Una volta che il computer quantistico ha compiuto quel salto approssimativo, non fornisce solo una risposta. Invece, scatta una "istantanea" di dove è atterrato. Poiché il mondo quantistico è probabilistico, potrebbe atterrare in punti leggermente diversi ogni volta.

• L'Analogia: Immaginate di gettare una rete sull'area in cui siete atterrati. La rete cattura una collezione di stati specifici (o posizioni).
• L'Affermazione del Paper: L'algoritmo prende queste posizioni catturate e usa le regole della fisica (l'Hamiltoniana) per trovare tutti i punti vicini connessi ad esse. Questo crea un "sottospazio" gestibile o una mini-mappa della zona più promettente.

Fase 3: Il Traguardo Classico (L'Ottimizzazione)
Ora, il lavoro viene passato al Computer Classico.

• L'Analogia: Il Computer Classico osserva la piccola "mini-mappa" creata dalla rete. Non deve risolvere l'intera montagna; deve solo trovare il punto più basso all'interno di quella piccola rete.
• L'Affermazione del Paper: Il computer classico risolve questo piccolo enigma perfettamente. Il risultato è un calcolo dell'energia altamente accurato, anche se il computer quantistico ha fatto solo un lavoro approssimativo.

Perché Questo è Importante: Tre Diversi "Regimi"

Il paper spiega che questo metodo funziona diversamente a seconda di quanto sia buono il vostro computer quantistico. Identificano tre "regimi" (scenari):

1. Il Regime "Rumoroso" (I Computer di Oggi):

   • Situazione: Il computer quantistico è molto rumoroso. Se si tenta di fare troppi passaggi, il rumore rovina la risposta.
   • Soluzione: Gli autori hanno scoperto che per le macchine odierne (come l'IBM Brisbane su cui hanno testato), la strategia migliore è compiere un solo salto gigante (1 passaggio). Sorprendentemente, fare più passaggi peggiorava la risposta perché il rumore si accumulava.
   • Risultato: Hanno ottenuto risultati abbastanza accurati per la chimica (entro la "accuratezza chimica") usando un solo passaggio e una correzione classica.

2. Il Regime "Medio" (Futuro Prossimo):

   • Situazione: Il computer è migliore, ma non perfetto.
   • Soluzione: Si possono fare alcuni passaggi. Il computer quantistico vi porta vicino, e il computer classico rifinisce il risultato. Non è necessario regolare costantemente le impostazioni; il metodo è robusto.

3. Il Regime "Perfetto" (Futuro Remoto):

   • Situazione: Abbiamo computer quantistici perfetti, con correzione degli errori.
   • Soluzione: Si può fare la camminata lenta e attenta (preparazione adiabatica) fino al fondo. Il computer quantistico fa quasi tutto il lavoro, e il computer classico si limita a confermare.

La Conclusione Chiave

Il paper dimostra che non è necessario un computer quantistico perfetto per risolvere problemi chimici complessi. Usando un "salto approssimativo" (preparazione dello stato diabatico) per ottenere una buona ipotesi iniziale, e lasciando poi che un computer classico faccia il perfezionamento su una fetta piccola e gestibile del problema, si possono ottenere risultati altamente accurati anche sulle macchine imperfette di oggi.

Hanno testato questo su un sistema simulato di 8 orbitali e su un vero computer quantistico con 50 livelli di energia, dimostrando che questo approccio "ibrido" funziona bene attraverso le diverse fasi dello sviluppo tecnologico.

Sommario tecnico

Sintesi Tecnica: Algoritmo Ibrido VQE-CVQE mediante Preparazione di Stato Diabatica

Definizione del Problema
Gli attuali algoritmi di calcolo quantistico affrontano una dicotomia tra quelli progettati per dispositivi NISQ (Noisy Intermediate-Scale Quantum) e quelli che richiedono computer FTQ (Fault-Tolerant Quantum). Algoritmi come la Stima della Fase Quantistica e la Preparazione dello Stato Adiabatica richiedono circuiti ad alta profondità e precisione, realizzabili solo su hardware FTQ, che non è ancora disponibile. Al contrario, gli algoritmi per l'era vicina, come il Variational Quantum Eigensolver (VQE) e il Cascaded Variational Quantum Eigensolver (CVQE), operano su dispositivi NISQ ma spesso faticano a scalare all'aumentare delle dimensioni del problema a causa delle limitazioni dei loro ansatz variazionali. Gli autori mirano a colmare questo divario proponendo un algoritmo ibrido che funzioni efficacemente attraverso le diverse fasi dello sviluppo dell'hardware quantistico, dai attuali dispositivi rumorosi ai futuri sistemi corretti dagli errori.

Metodologia
Il metodo proposto è un algoritmo ibrido VQE-CVQE che utilizza la preparazione di stato diabatica per generare uno "stato guida". Il processo, rappresentato nella Figura 1 e dettagliato nella Tabella I, procede come segue:

1. Inizializzazione: Il registro quantistico viene inizializzato allo stato fondamentale $|\Phi_0\rangle$ di un modello di Hamiltoniana semplice e nota $\hat{H}_0$.
2. Evoluzione Diabatica: Un operatore unitario parametrizzato $\hat{U}(N_\tau, \Delta\tau)$ viene applicato al registro. Questo operatore evolve il sistema da $\hat{H}_0$ a $\hat{H}$ attraverso $N_\tau$ passi temporali di durata $\Delta\tau$. L'evoluzione è governata da un'Hamiltoniana tempo-dipendente $\hat{H}(\tau) = (1 - \frac{\tau}{T})\hat{H}_0 + \frac{\tau}{T}\hat{H}$, dove $T = N_\tau \Delta\tau$. A differenza della preparazione adiabatica, che richiede $N_\tau \to \infty$, questo metodo impiega un'evoluzione altamente discretizzata (piccolo $N_\tau$, grande $\Delta\tau$) per produrre uno stato guida $|\Psi_0\rangle$ che approssimi il sottospazio corretto.
3. Misurazione e Costruzione del Sottospazio: Lo stato guida viene misurato nella base computazionale per generare un insieme di stati base $B_0$. Per garantire che il sottospazio catturi la fisica necessaria, l'Hamiltoniana target $\hat{H}$ viene applicata a $B_0$ per generare un insieme accoppiato $B_1$. L'insieme finale di basi è $B = B_0 \cup B_1$.
4. Ottimizzazione Classica: L'Hamiltoniana del sistema viene proiettata sul sottospazio $V = \text{span}(B)$ per formare un'Hamiltoniana efficace $\hat{H}_B$. L'energia dello stato fondamentale $E_B$ viene ottenuta diagonalizzando $\hat{H}_B$ su un computer classico.
5. Ciclo Variazionale: I parametri $N_\tau$ e $\Delta\tau$ fungono da parametri variazionali. L'algoritmo scansiona questi parametri per minimizzare $E_B$.

Contributi Chiave

• Architettura Ibrida: Il documento introduce un metodo che combina la natura variazionale del VQE (ottimizzazione dei parametri del circuito) con l'espansione del sottospazio del CVQE (diagonalizzazione classica di un'Hamiltoniana proiettata).
• Stato Guida Diabatico: Invece di complessi ansatz ad alta profondità (come l'Unitary Coupled Cluster), l'algoritmo utilizza un'evoluzione diabatica semplice e altamente discretizzata per generare uno stato guida. Questo approccio approssima esplicitamente la preparazione dello stato adiabatico, pur rimanendo trattabile per circuiti a breve profondità.
• Agnosticismo rispetto all'Hardware: L'algoritmo è progettato per essere generale, funzionando su attuali dispositivi NISQ, computer a scala intermedia con alta coerenza ma senza correzione degli errori, e futuri computer FTQ.
• Efficienza di Misurazione: Gli autori confrontano due metodi per la raccolta degli shot di misurazione: uno che prevede rotazioni per ogni stringa di Pauli (VQE standard) e uno che misura direttamente nella base computazionale seguita dall'applicazione dell'Hamiltoniana. Dimostrano che il metodo di misurazione diretta (utilizzato nelle loro simulazioni) è significativamente più efficiente per Hamiltoniane $k$-locali, richiedendo meno circuiti nonostante possa necessitare di più shot per compensare le soglie di cutoff.

Risultati
Gli autori hanno validato l'algoritmo attraverso simulazioni classiche ed esecuzione su hardware quantistico:

• Sistema a 8 Orbitali (Simulazione Classica): Per un sistema con $Q=8$ orbitali e $N_e=4$ elettroni, l'algoritmo ha raggiunto energie entro la precisione chimica. I risultati hanno identificato tre regimi distinti basati sul numero di passi temporali ($N_\tau$):
  • Piccolo Regime: Lo stato guida è scarso, ma l'estrazione del sottospazio fornisce un'approssimazione valida per specifici parametri variazionali.
  • Medio Regime: Lo stato guida rimane un'approssimazione scarsa dello stato fondamentale esatto, eppure l'energia del sottospazio $E_B$ è quasi indipendente dai parametri, permettendo al CVQE di trovare una buona soluzione senza ottimizzazione estesa.
  • Grande Regime: La preparazione adiabatica è efficacemente raggiunta, producendo uno stato guida di alta qualità.
• Sistema a 50 Livelli di Energia (IBM Brisbane): L'algoritmo è stato eseguito sul computer quantistico IBM Brisbane per un sistema con $Q=50$ e $N_e=25$. La dimensione completa dello spazio di Fock è $\approx 1.3 \times 10^{14}$, ben oltre le capacità di diagonalizzazione classica. L'algoritmo ha utilizzato un sottospazio di soli 2.000–2.500 stati.
  • I risultati hanno mostrato piccoli errori di energia ($\Delta E$) attraverso vari spaziature di energia $\Delta\mu$, anche con un tasso di errore dei gate del 1,9%.
  • Contrariamente alle simulazioni senza rumore che suggeriscono un aumento dell'errore quando $\Delta\tau \to 0$, i risultati dell'hardware rumoroso hanno mostrato che $N_\tau = 1$ (un singolo passo temporale) forniva i risultati ottimali. Gli autori attribuiscono ciò al fatto che il rumore dell'hardware applica efficacemente piccole rotazioni non nulle, rendendo i circuiti più profondi (maggiore $N_\tau$) deleteri a causa dell'accumulo di errori dei gate.

Significatività e Rivendicazioni
Il documento sostiene che questo algoritmo ibrido VQE-CVQE offre un percorso robusto per la simulazione quantistica attraverso l'evoluzione dell'hardware quantistico:

• Per gli attuali Dispositivi NISQ: Minimizzare la profondità del circuito è critico. L'algoritmo funziona meglio con $N_\tau = 1$, dove non è necessario alcun aggiornamento dei parametri variazionali, poiché il livello di rumore impedisce i benefici di circuiti più profondi.
• Per il Breve-Medio Termine: Man mano che la coerenza migliora, l'aggiornamento dei parametri variazionali ($N_\tau, \Delta\tau$) potrebbe ottimizzare ulteriormente l'energia.
• Per i Futuri Dispositivi FTQ: Il metodo transita naturalmente verso la diretta preparazione dello stato adiabatico senza richiedere ulteriori passaggi di ottimizzazione.

Gli autori sottolineano che la capacità dell'algoritmo di produrre risultati accurati con una dimensione del sottospazio ridotta (rispetto allo spazio di Hilbert completo) e la sua resilienza alle fluttuazioni della distribuzione di probabilità lo rendono un candidato pratico per l'applicazione immediata sull'hardware disponibile, pur rimanendo scalabile per i futuri sistemi fault-tolerant.