Symplectic H2 Model Reduction for High-Dimensional Linear Quantum Systems

Riepilogo Tecnico: Riduzione del Modello H2 Simplettico per Sistemi Quantistici Lineari ad Alta Dimensionalità

Enunciato del Problema
Il lavoro affronta il problema della riduzione del modello $H_2$ per sistemi quantistici lineari ad alta dimensionalità. Una sfida primaria in questo dominio è il vincolo della Realizzabilità Fisica (PR). A differenza dei sistemi classici, i sistemi quantistici lineari devono soddisfare specifiche identità algebriche che accoppiano le matrici del sistema $(A, B, C, D)$ per preservare le relazioni di commutazione canoniche e la struttura ingresso-uscita quantistica. I metodi di riduzione basati sulla proiezione standard spesso falliscono nel preservare questi vincoli PR non lineari, portando a modelli di ordine ridotto fisicamente invalidi. L'imposizione diretta di questi vincoli come condizioni di ottimizzazione risulta in problemi algebrici non lineari difficili, non scalabili per sistemi di grandi dimensioni.

Metodologia
Gli autori propongono un framework Petrov-Galerkin simplettico che garantisce il soddisfacimento della PR per costruzione piuttosto che attraverso un'imposizione a posteriori.

1. Proiezione Simplettica: Il metodo si basa sulla costruzione di un modello di ordine ridotto tramite proiezione su un sottospazio simplettico. Se la base di prova $V \in \mathbb{R}^{2n \times 2r}$ soddisfa la condizione simplettica $V^\top J_n V = J_r$ (dove $J_k$ è la matrice simplettica canonica), e la base di test è scelta come $U = J_r^{-1} V^\top J_n$, le matrici ridotte risultanti $(A_r, B_r, C_r, D_r)$ soddisfano automaticamente le identità PR.
2. Q-IRKA (Quantum IRKA): Gli autori sviluppano una variante simplettica dell'Algoritmo Iterativo di Krylov Razionale (IRKA). L'algoritmo opera come un'iterazione a punto fisso:
   • Aggiornamento degli Spostamenti: I punti di interpolazione (spostamenti) vengono aggiornati ricorsivamente in base ai poli del modello di ordine ridotto corrente. Nello specifico, gli spostamenti sono impostati all'opposto dei poli selezionati (specchiatura dei poli), rispettando la simmetria spettrale del sistema ridotto reale.
   • Interpolazione Tangenziale: Ad ogni iterazione, viene generato un pool di candidati risolvendo sistemi lineari spostati $(A - \sigma_i I)^{-1} B t_{i,\ell}$ per spostamenti e direzioni tangenziali prescritti.
   • Estrazione della Base Simplettica: Dal pool di candidati, viene estratta una base simplettica utilizzando una procedura di tipo Gram-Schmidt che accoppia i vettori con i loro coniugati simplettici ($J_n^\top v$). Un successivo passo di normalizzazione garantisce che la base soddisfi rigorosamente $V^\top J_n V = J_r$.
   • Preservazione della Struttura: Le matrici ridotte sono ottenute esclusivamente attraverso la proiezione $A_r = UAV$, $B_r = UB$, $C_r = CV$, e $D_r = D$. Non avviene alcuna modifica indipendente delle matrici ridotte, garantendo che la PR sia preservata fino alla precisione della macchina durante tutta l'iterazione.

Contributi Chiave

• Algoritmo Q-IRKA: L'introduzione di un algoritmo ricorsivo scalabile e che preserva la struttura per la riduzione ottimale del modello $H_2$ di sistemi quantistici lineari. Combina l'efficienza dell'IRKA (utilizzando risoluzioni lineari spostate) con vincoli simplettici rigorosi.
• PR per Costruzione: Il framework elimina la necessità di risolvere problemi di ottimizzazione non lineare vincolati. La realizzabilità fisica è una proprietà intrinseca della geometria di proiezione, assicurando che il modello ridotto rimanga un sistema quantistico valido.
• Analisi Numerica Sistematica: Il lavoro fornisce uno studio completo su come la qualità della riduzione dipenda dalle caratteristiche strutturali fisiche, specificamente:
  • Geometria della Dissipazione: Smorzamento omogeneo vs. eterogeneo.
  • Posizionamento dei Canali: Configurazioni a basso numero di canali in cui più oscillatori condividono percorsi dissipativi.
  • Eterogeneità del Sistema: Variazioni nelle frequenze locali e nelle intensità di smorzamento.

Risultati
Esperimenti numerici sono stati condotti su due famiglie di benchmark:

1. Sistemi Port-Hamiltoniani a Basso Numero di Canali: Catene di oscillatori con canali esterni aggregati.
2. Sistemi Ispirati alla Catena di Kitaev Bosonica: Sistemi strutturati dominati dal trasporto con accoppiamento tra primi vicini.

Risultati Chiave:

• Accuratezza e Stabilità: Q-IRKA produce modelli di ordine ridotto con un'approssimazione $H_2$ accurata. I residui di simpletticità e PR ($\Delta_{symp}$ e $\Delta_{PR}$) rimangono alla precisione della macchina ($\approx 10^{-14}$ a $10^{-16}$) durante tutte le iterazioni.
• Dipendenza dall'Eterogeneità: La qualità della riduzione è fortemente influenzata dalla geometria della dissipazione del sistema. I sistemi omogenei con un rapido decadimento dei valori singolari di Hankel producono approssimazioni di ordine basso con alta accuratezza (errore $H_2 \approx 10^{-5}$). I sistemi eterogenei esibiscono un decadimento spettrale più lento, risultando in ranghi dinamici effettivi più elevati e errori maggiori (errore $H_2 \approx 10^{-3}$), anche con lo stesso ordine ridotto.
• Costo Computazionale: Il costo computazionale scala principalmente con la dimensione del sistema $n$ e l'ordine ridotto $r$. La dipendenza dal numero di canali $m$ è lieve. I casi eterogenei richiedono generalmente più iterazioni per la convergenza e sostengono costi computazionali più elevati a causa del decadimento spettrale più lento.
• Confronto: In un confronto su piccola scala, Q-IRKA ha ottenuto un errore $H_2$ inferiore (1.2130) rispetto alla troncatura quasi-bilanciata (1.86) e a un metodo di ottimizzazione non convessa (1.25).

Significato
Il lavoro afferma che la riduzione scalabile del modello $H_2$ per sistemi quantistici lineari su larga scala può essere ottenuta senza sacrificare la struttura fisica sottostante. Incorporando i vincoli PR direttamente nella geometria di proiezione, il metodo evita l'intrattabilità computazionale dell'ottimizzazione vincolata. I risultati dimostrano che, sebbene le prestazioni della riduzione siano sensibili a parametri fisici come la geometria della dissipazione e l'eterogeneità, il framework proposto mantiene robustamente la realizzabilità fisica e fornisce modelli di ordine ridotto accurati, adatti a cicli di progettazione, sintesi di controllori e studi di scalabilità nell'ingegneria quantistica. Si nota che il framework si estende naturalmente a sistemi quantistici lineari non quadrati, sebbene ciò sia riservato a lavori futuri.