Efficient simulation of low-entanglement bosonic Gaussian states in polynomial time

Riepilogo Tecnico: Simulazione Efficiente di Stati Gaussiani Bosonici a Basso Entanglement

Enunciato del Problema
Gli stati gaussiani bosonici (BGS) sono fondamentali per l'ottica quantistica e la fisica della materia condensata. Sebbene la loro evoluzione sia descritta efficientemente all'interno del formalismo gaussiano mediante matrici di covarianza, il campionamento da questi stati nella base dell'occupazione bosonica richiede il calcolo degli hafniani di matrice. Poiché il calcolo degli hafniani è #P-difficile, si ritiene ampiamente che la simulazione classica esatta del campionamento di bosoni gaussiani (GBS) richieda un tempo esponenziale. Sebbene il rumore e la perdita di fotoni nei dispositivi reali possano ridurre la difficoltà computazionale, gli approcci classici esistenti affrontano colli di bottiglia significativi: i metodi basati su reti tensoriali che si affidano a calcoli esaustivi degli hafniani soffrono di una scalabilità esponenziale all'aumentare delle dimensioni della matrice, mentre i metodi Monte Carlo spesso mancano di limiti di errore controllati. La sfida centrale è sviluppare un framework di simulazione classica scalabile per i BGS che eviti il collo di bottiglia degli hafniani, in particolare nei regimi di entanglement limitato rilevanti per i dispositivi sperimentali con perdite.

Metodologia
Gli autori propongono un algoritmo efficiente per convertire stati gaussiani bosonici puri in stati prodotto di matrice (MPS), permettendo così il campionamento tramite routine MPS standard senza calcolare hafniani. Il metodo consiste in due fasi principali:

1. Decomposizione ai Valori Singolari Gaussiana (GSVD) Iterativa:
   L'algoritmo inizia applicando una GSVD alla matrice di covarianza del sistema a $N$ modi. Questa procedura macroscopica fattorizza il BGS globale in una sequenza di stati gaussiani locali più piccoli e interconnessi ${|A_m\rangle}. Partizionando iterativamente il sistema e identificando le coppie di modi entangled (modi attivi) rispetto alle coppie non entangled (modi congelati), il metodo costruisce una struttura portante analoga alla decomposizione di Schmidt negli MPS. Questo passo comprime efficacemente il sistema riducendo il numero di modi bosonici che devono essere trattati esplicitamente, isolando la struttura dell'entanglement attraverso i legami del sistema.

2. Mappatura dell'Operatore di Creazione Proiettato (PCO):
   Una volta identificati gli stati gaussiani locali $|A_m\rangle$, l'algoritmo li converte in tensori MPS a dimensione finita. Un calcolo diretto degli elementi del tensore tramite sovrapposizioni con stati di Fock richiederebbe normalmente hafniani. Per aggirare questo problema, gli autori introducono un algoritmo di mappatura PCO:

   • Troncamento: Lo spazio di Hilbert locale a dimensione infinita viene proiettato su un sottospazio a dimensione finita ottimale $V_m$. Questo sottospazio viene selezionato in base alle energie di entanglement derivate dall'operatore di densità ridotto, mantenendo gli stati fisicamente più rilevanti (energia di entanglement più bassa) fino a una dimensione di legame target $D$ e una dimensione fisica locale $d$.
   • Applicazione Sequenziale: Lo stato proiettato $|\tilde{A}_m\rangle$ viene costruito applicando sequenzialmente operatori di creazione proiettati al vuoto. L'algoritmo sfrutta la proprietà per cui il sottospazio troncato è chiuso rispetto all'azione degli operatori di creazione (nel senso che gli operatori non mappano stati ad alta energia fuori dal sottospazio verso stati a bassa energia all'interno di esso).
   • Efficienza: Invece di calcolare direttamente gli elementi di matrice, il metodo utilizza un algoritmo "ricerca e aggiornamento" per applicare i PCO al vettore di stato. Questo evita il costo esponenziale della valutazione degli hafniani, sostituendolo con operazioni a scalabilità polinomiale.

Contributi Chiave

• Conversione Senza Hafniani: Il contributo principale è un algoritmo che converte i BGS puri in MPS senza calcolare alcun hafniano di matrice. Questo aggira il collo di bottiglia #P-difficile intrinseco nei precedenti approcci basati su reti tensoriali per sistemi bosonici.
• Scalabilità Polinomiale: Il costo computazionale della generazione dei tensori MPS scala polinomialmente con il numero di modi e la dimensione di legame ($O(n_e^2 \cdot \tilde{n} \cdot d D^2)$), in contrasto con la scalabilità esponenziale dei metodi basati su hafniani rispetto ai numeri locali di fotoni.
• Decomposizione di Stati Misti: Gli autori forniscono una procedura per estrarre la componente di stato puro dalle matrici di covarianza di stati misti tipiche degli esperimenti GBS con perdite. Ciò comporta la minimizzazione della traccia della componente pura soggetta al vincolo che la matrice di rumore rimanga semidefinita positiva, garantendo che lo stato di input abbia un entanglement minimo coerente con i dati sperimentali.
• Troncamento Ottimale: Il metodo impiega una strategia di troncamento basata su Schmidt che è localmente ottimale per ciascun legame, garantendo un'alta fedeltà per una data dimensione di legame.

Risultati
Il metodo è stato confrontato con dati provenienti dagli esperimenti di campionamento di bosoni gaussiani Jiuzhang 2.0 e Jiuzhang 4.0:

• Jiuzhang 2.0: Per la configurazione J2-P65-5 (144 modi), l'algoritmo ha generato il tensore MPS centrale in circa un minuto su un laptop standard con un errore di troncamento di $\epsilon \approx 0.03$. Ciò rappresenta un aumento di velocità di un ordine di grandezza rispetto a un'implementazione basata su hafniani che ha richiesto 9,5 minuti su una GPU ad alte prestazioni A100. L'MPS risultante ha raggiunto una fedeltà della funzione d'onda di 0,9999 rispetto al riferimento basato su hafniani.
• Jiuzhang 4.0: Il metodo è stato applicato alla configurazione S64 (4336 modi). Un tensore locale con dimensione di legame $D=10^5$ è stato generato in meno di 2,5 ore su una workstation, con un errore di troncamento di $\epsilon = 0.08$. Gli autori notano che, sebbene dimensioni di legame più grandi siano computazionalmente accessibili, i vincoli di memoria diventano il fattore limitante. Il metodo ha gestito con successo sistemi in cui gli approcci basati su hafniani sono non fattibili a causa dei costi computazionali.
• Comportamento di Scalabilità: I benchmark hanno dimostrato che, mentre i metodi basati su hafniani mostrano una scalabilità esponenziale con la dimensione fisica locale $d$, il metodo di mappatura PCO proposto mostra una scalabilità polinomiale favorevole ($\sim d^{0.99} D^2$).

Significato e Affermazioni
Il lavoro afferma che questa ricerca stabilisce uno strumento versatile per sondare sistemi gaussiani bosonici in contesti in cui i calcoli diretti nel formalismo gaussiano sono inefficienti. Il significato risiede nell'estendere l'applicabilità dei metodi basati su MPS a una vasta gamma di sistemi bosonici con entanglement limitato, come quelli trovati nei dispositivi fotonici con perdite e nei sistemi di materia condensata con interazioni a corto raggio.

Gli autori sottolineano che il loro contributo è specificamente l'algoritmo di conversione efficiente, non la procedura di campionamento stessa. Affermano che nel regime a basso entanglement, una precisione target può essere raggiunta con una dimensione di legame che rimane computazionalmente trattabile. Il metodo è particolarmente robusto contro grandi numeri di occupazione a singolo modo, uno scenario in cui gli approcci basati su hafniani faticano. Il lavoro conclude che questo framework fornisce un percorso di simulazione classica scalabile per gli stati gaussiani bosonici, aiutando a tracciare la vera frontiera del calcolo quantistico spingendo i limiti degli algoritmi di approssimazione classica.