Compile-once block encodings for masked similarity-transformed effective Hamiltonians

1. Il Problema

La simulazione quantistica di sistemi a molti corpi, in particolare in chimica quantistica e scienza dei materiali, richiede la codifica e l'evoluzione di operatori Hamiltoniani complessi. Sebbene le tecniche avanzate come la codifica a blocco (block encoding) e la trasformazione di singolarità quantistica (QSVT) offrano limiti asintotici ottimali, esistono sfide pratiche significative:

• Sovraccarico di Ricompilazione: Nei flussi di lavoro esistenti, ogni modifica alla geometria molecolare, alla scelta dello spazio attivo, o alle soglie di troncamento richiede spesso la ricompilazione strutturale dell'intero circuito quantistico. Questo include la ricostruzione degli alberi di multiplexing, dei livelli di instradamento (routing) e delle mappature hardware.
• Frammentazione della Struttura Algebrica: Gli operatori chimici possiedono una ricca struttura algebrica (es. fattorizzazioni a basso rango, gerarchie di eccitazione), ma le implementazioni circuitali tendono a "appiattire" queste strutture in sequenze di porte specifiche per ogni istanza del problema.
• Inefficienza nei Flussi Adattivi: Metodi come l'espansione del sottospazio quantistico (QSE), VQE non ortogonale o metodi basati sulle coordinate del generatore (GCIM) richiedono la valutazione ripetuta di matrici di sovrapposizione ed elementi di matrice Hamiltoniana man mano che il sottospazio di lavoro cresce. In questi scenari, i circuiti di preparazione degli stati cambiano solo parametricamente (attivazione di generatori diversi o variazione di coefficienti), ma i metodi attuali non sfruttano questa invarianza topologica.

2. Metodologia: L'Architettura COMPOSER

Gli autori introducono COMPOSER (Compile-Once Modular Parametric Oracle for Similarity-Encoded Effective Reduction), un'architettura di esecuzione modulare progettata per separare esplicitamente la topologia del circuito dai dati numerici.

A. Rappresentazioni a Rango Uno (Rank-One)

Il cuore della metodologia risiede nella compressione degli operatori chimici in collezioni di operatori a rango uno:

• Hamiltoniana Molecolare: Utilizzando fattorizzazioni a basso rango (es. decomposizione di Cholesky con pivot), l'Hamiltoniana elettronica viene espressa come somma lineare di operatori bilineari (uno-elettrone) e operatori quadratici proiettati (due-elettroni). Il numero di questi termini scala quasi linearmente con la dimensione del sistema per soglie chimiche rilevanti.
• Generatori di Similarità: Anche i generatori anti-hermitiani (come quelli usati nelle trasformazioni di Schrieffer-Wolff o nei cluster di accoppiamento UCCSD) vengono decomposti in somme di "scale" (ladders) a rango uno, utilizzando tecniche di decomposizione ai valori singolari (SVD) sui tensori di ampiezza.

B. Circuiti a Scala Deterministici (Deterministic Ladders)

Vengono costruiti circuiti adattatori deterministici e conservanti il numero di particelle basati su rotazioni di Givens e reti di swap fermionici:

• Questi circuiti preparano stati a uno o due elettroni con ampiezze prescritte o agiscono come primitive di rotazione di base.
• La topologia di questi "ladder" è fissa una volta definita la piscina di orbitali e le scelte dei pivot.

C. Il Concetto di "Compile-Once" (Compilazione Una Volta)

COMPOSER implementa un modello di esecuzione in cui:

1. Topologia Fissa: La struttura logica a due qubit (albero di selezione, cablaggio degli adattatori, scheletro PREP-SELECT-PREP†) viene sintetizzata una sola volta per una famiglia di problemi correlati.
2. Aggiornamento Parametrico: Le variazioni di geometria, spazio attivo o maschere di troncamento vengono assorbite esclusivamente aggiornando gli angoli di rotazione a singolo qubit e i dati di controllo classici (ampiezze nello stato PREP).
3. Maschera Consapevole (Mask-Aware): Viene introdotta una costruzione di Hamiltoniano effettivo "a sandwich" di similarità ($P e^{-\hat{\sigma}} \hat{H} e^{\hat{\sigma}} P$) dove la maschera classica $M^{(m)}$ seleziona quali termini del generatore $\hat{\sigma}$ sono attivi. Cambiare la maschera non richiede ricompilazione, solo la ridializzazione degli angoli.

D. Elaborazione del Segnale Quantistico (QSP)

Per l'esponenziazione del generatore $\hat{\sigma}$ (necessaria per la trasformazione di similarità), viene utilizzata una singola polinomiale QSP. Il grado del polinomio è determinato dalle norme spettrali dell'operatore, non dal numero di termini, permettendo un controllo sistematico dell'errore di approssimazione.

3. Contributi Chiave

• Separazione Topologia-Dati: COMPOSER trasforma il problema della simulazione quantistica da un'ottimizzazione a livello di porte a un controllo a livello di struttura dell'operatore, garantendo l'invarianza topologica attraverso istanze correlate.
• Codifiche a Blocco Modulari: Sviluppo di adattatori a rango uno deterministici che codificano sia l'Hamiltoniana che i generatori di similarità, riutilizzando la stessa infrastruttura di circuiti.
• Architettura "Compile-Once, Dial-Many": Un modello operativo che elimina il costo di ricompilazione strutturale durante scansioni geometriche, crescita dello spazio attivo o raffinamenti adattivi, riducendo l'overhead a semplici aggiornamenti di parametri classici e angoli di rotazione.
• Analisi di Stabilità: Dimostrazione numerica che le strutture algebriche a basso rango (sottospazi di eccitazione) rimangono stabili sotto variazioni di geometria e possono essere approssimate efficacemente con proxy economici (come MP2) per guidare la selezione delle maschere.

4. Risultati Numerici e Sperimentali

Gli autori hanno validato l'approccio su un set di benchmark di molecole ($H_2$, $H_2O$, $NH_3$, ecc.) con diverse basi atomiche (STO-3G, 6-31G, cc-pVDZ):

• Scalabilità Lineare: Il numero di operatori a rango uno ($\ell_H$) necessari per rappresentare l'Hamiltoniana cresce quasi linearmente con il numero di qubit, confermando la fattibilità di un pool di "ladder" fisso.
• Invarianza della Topologia: In uno stress test su geometrie variabili di $H_2O$, il numero di termini nell'Hamiltoniana è variato marginalmente, permettendo di fissare la larghezza del registro di selezione una volta per tutte.
• Stabilità dei Sottospazi: L'analisi dell'overlap tra i sottospazi di eccitazione derivati da MP2 e CCSD ha mostrato un'alta sovrapposizione (wAUC > 0.85), suggerendo che le strategie di troncamento guidate da MP2 sono robuste e permettono di mantenere la stessa struttura algebrica di base mentre si affinano i coefficienti.
• Esempio di Sottospazio Non Ortogonale: È stato dimostrato un caso d'uso in cui la diagonalizzazione di un sottospazio non ortogonale viene eseguita aggiornando continuamente un coordinatore del generatore senza modificare la topologia del circuito.

5. Significato e Impatto

Il lavoro di COMPOSER rappresenta un passo fondamentale verso la scalabilità pratica degli algoritmi quantistici per la chimica:

• Efficienza Operativa: Riduce drasticamente il tempo di "wall-clock" per flussi di lavoro adattivi eliminando la ricompilazione strutturale, un collo di bottiglia critico spesso trascurato nelle analisi di complessità asintotica.
• Compatibilità con Hardware: L'approccio è nativo per hardware fault-tolerant e NISQ, poiché permette di riutilizzare la mappatura fisica dei gate a due qubit (che è costosa da ottimizzare) mentre si aggiornano solo i parametri a singolo qubit.
• Flessibilità Algoritmica: Fornisce un'infrastruttura unificata per una vasta gamma di metodi (QSE, NOQE, downfolding di Schrieffer-Wolff), permettendo di trattare l'Hamiltoniana e i generatori di similarità sullo stesso piano algebrico.
• Nuovo Paradigma di Sviluppo: Sposta il focus dall'ottimizzazione delle porte per ogni singola istanza al controllo della struttura dell'operatore, abilitando flussi di lavoro adattivi con limiti di risorse prevedibili e stabili.

In sintesi, COMPOSER non propone un nuovo algoritmo di simulazione asintoticamente più veloce, ma offre un'architettura di esecuzione che rende pratici e scalabili i flussi di lavoro adattivi complessi, risolvendo il problema della ricompilazione ripetuta attraverso una separazione intelligente tra la struttura fisica del circuito e i dati numerici variabili.