Bowtie VarQTE: A Resource-Efficient Quantum State Preparation Primitive

Riepilogo Tecnico: Bowtie VarQTE

Enunciato del Problema
La preparazione di stati quantistici strutturatamente fisici è un prerequisito fondamentale per molti algoritmi quantistici, inclusa la ricerca dello stato fondamentale, la stima della fase quantistica e la simulazione di Hamiltoniani. La qualità dello stato iniziale determina in modo critico la probabilità di successo e i requisiti di risorse di questi algoritmi. Sebbene l'evoluzione temporale reale e immaginaria offrano framework naturali per la preparazione degli stati, i metodi esistenti affrontano colli di bottiglia significativi. Gli approcci basati su Trotter richiedono circuiti proibitivamente profondi per evoluzioni ad alta precisione su hardware di prima generazione. I protocolli adiabatici sono limitati dai gap spettrali, portando a tempi di evoluzione lunghi. L'Evoluzione Temporale Quantistica Variazionale (VarQTE), che utilizza il principio variazionale di McLachlan per propagare i parametri di un ansatz, offre un'alternativa ma soffre di due sfide principali:

1. Collo di bottiglia computazionale: La valutazione del Tensore Geometrico Quantistico (QGT) e dei termini del gradiente scala quadraticamente con il numero di parametri, richiedendo un gran numero di valutazioni di circuiti quantistici.
2. Instabilità numerica: Il sistema sottostante di equazioni lineari (SLE) per gli aggiornamenti dei parametri è spesso mal condizionato. Piccoli errori nella stima del QGT possono portare a grandi errori negli aggiornamenti dei parametri, risultando in dinamiche instabili e non fisiche.

Inoltre, i metodi all'avanguardia come la Compilazione Quantistica Approssimata (AQC), che utilizza reti tensoriali per compilare circuiti di Trotter in approssimazioni superficiali, sono limitati dalla necessità di disporre di una rappresentazione classica (approssimata) dello stato target, che diventa intrattabile per sistemi di grandi dimensioni o altamente entangled.

Metodologia: Bowtie VarQTE
Gli autori introducono Bowtie VarQTE, un framework efficiente in termini di risorse che ibrida simulazione classica e risorse quantistiche per affrontare i colli di bottiglia della VarQTE standard. L'innovazione centrale risiede nello sfruttare la struttura causale dei circuiti quantistici per decomporre i passi di evoluzione globali in sottoproblemi più piccoli e trattabili classicamente.

1. Decomposizione del Cono di Luce Causale: Il metodo identifica "coni di luce" all'interno del circuito variazionale. Per un dato parametro o termine Hamiltoniano, il cono di luce è definito come l'insieme dei qubit su cui l'operatore corrispondente agisce in modo non banale dopo la coniugazione da parte del circuito.
2. Costruzione del Circuito Bowtie: Gli autori definiscono "stati bowtie" e "circuiti bowtie". Sfruttando l'invarianza unitaria dei prodotti interni, i termini del gradiente e del QGT (che sono prodotti interni complessi) vengono riscritti come sovrapposizioni tra stati generati da sottocircuiti "bowtie". Questi sottocircuiti consistono nel circuito originale $U^\dagger$ seguito dall'operatore specifico (derivata del parametro o termine Hamiltoniano) e dal circuito in avanti $U$. Crucialmente, le porte fuori dal cono di luce causale si annullano, lasciando un circuito effettivo molto più piccolo.
3. Esecuzione Ibrida:
   • Simulazione Classica: Le sovrapposizioni tra stati bowtie sono calcolate esattamente utilizzando la simulazione classica di vettori di stato sui sottoinsiemi ridotti di qubit definiti dai coni di luce. Ciò permette la valutazione esatta delle voci del QGT e del gradiente quando la dimensione del cono di luce è gestibile.
   • Risorse Quantistiche: L'hardware quantistico è riservato a compiti che sono classicamente difficili, come il campionamento da stati con alti gradi di entanglement o "magia", o quando i coni di luce superano i limiti della simulazione classica.
4. Flusso di Lavoro Algoritmico: L'algoritmo separa il flusso di lavoro in un passo di pre-calcolo una tantum (costruzione di template bowtie e tracciamento degli indici dei coni di luce) e un passo di simulazione per ogni intervallo di tempo. Ad ogni passo, i parametri sono vincolati a sovrapposizioni pre-calcolate per risolvere l'SLE per gli aggiornamenti dei parametri utilizzando risolutori di ODE. Ciò garantisce aggiornamenti dei parametri esatti secondo il principio di McLachlan, migliorando la stabilità numerica.

Contributi Chiave

• Calcolo Esatto del QGT su Scala: Il documento introduce un metodo per calcolare esattamente il QGT e le voci del gradiente per dimensioni di sistema oltre la portata della simulazione completa di vettori di stato, isolando e simulando solo i sottocircuiti causalmente rilevanti.
• Efficienza delle Risorse: Utilizzando la simulazione classica per i sottocircuiti causalmente locali, il framework minimizza il carico di lavoro quantistico. Consente l'uso di aggiornamenti esatti senza il rumore stocastico intrinseco negli stimatori basati su shot, migliorando così la stabilità numerica.
• Confronto con AQC: Gli autori confrontano Bowtie VarQTE con la Compilazione Quantistica Approssimata (AQC). Mentre AQC ottiene risultati impressionanti per sistemi 1D utilizzando Stati Prodotto di Matrice (MPS), richiede una rappresentazione classica dello stato target. Bowtie VarQTE raggiunge fedeltà comparabili senza richiedere una rappresentazione classica dello stato target completo, rendendolo più adatto per topologie 2D e di dimensioni superiori dove le rappresentazioni MPS possono fallire o richiedere dimensioni di legame proibitive.
• Pipeline Integrata di Preparazione dello Stato: Il documento dimostra una pipeline che combina VarQTE a tempo immaginario (per preparare una sovrapposizione dello stato fondamentale) e VarQTE a tempo reale (per generare una base di Krylov) da utilizzare nella Diagonalizzazione Quantistica di Krylov Basata su Campioni (SKQD).

Risultati

• Analisi dell'Espressività: Su catene di Heisenberg 1D (35 e 50 qubit), Bowtie VarQTE raggiunge infedeltà comparabili ad AQC e circuiti di Trotter più profondi. I risultati indicano che l'accuratezza è limitata dall'espressività della profondità dell'ansatz piuttosto che dal metodo di valutazione. A differenza di AQC, che scambia accuratezza per efficienza tramite troncamento tensoriale, Bowtie VarQTE mantiene un'accuratezza governata dall'ansatz e dalla tolleranza di integrazione ODE.
• Applicazione a Sistemi 2D: Il metodo è stato applicato a un Hamiltoniano su reticolo heavy-hex a 63 qubit (rilevante per la topologia IBM Heron). Un flusso di lavoro che combina evoluzione a tempo immaginario e reale è stato utilizzato per preparare uno stato iniziale e generare una base di Krylov per SKQD. I risultati hanno mostrato che Bowtie VarQTE può ridurre i requisiti quantistici rispetto alla diagonalizzazione di Krylov basata su campioni standard fornendo stati di Krylov a profondità ridotta e compatibili con l'hardware.
• Costo Computazionale: L'analisi delle risorse rivela che, sebbene il numero di sovrapposizioni scala quadraticamente, il tempo reale è dominato dalla simulazione degli stati bowtie stessi. A causa della località del cono di luce, molte sovrapposizioni sono banali (zero) o coinvolgono piccoli sottoinsiemi di qubit, riducendo significativamente il costo computazionale effettivo. Per i sistemi studiati, il metodo Bowtie ha prodotto un vantaggio computazionale coerente rispetto alla simulazione dell'intero circuito variazionale, a condizione che i coni di luce più grandi rimangano entro la portata classica.

Significato e Affermazioni
Il documento ipotizza che Bowtie VarQTE sia un primitivo promettente per la preparazione di stati quantistici strutturatamente fisici. Il suo significato risiede nella capacità di:

• Collegare Classico e Quantistico: Bilancia efficacemente risorse classiche e quantistiche, utilizzando la simulazione classica dove possibile per garantire esattezza e stabilità, e riservando le risorse quantistiche per compiti di campionamento intrattabili.
• Superare i Limiti dell'AQC: Offre una via per la preparazione dello stato per sistemi 2D e topologie complesse dove la compilazione basata su reti tensoriali (AQC) è ostacolata dalla necessità di rappresentazioni classiche dello stato target.
• Abilitare Dinamiche Stabili: Abilitando la valutazione esatta del QGT e dei gradienti, mitiga l'instabilità numerica associata all'SLE mal condizionato nella VarQTE standard.

Gli autori concludono che, sebbene il metodo sia attualmente vincolato dalla dimensione dei coni di luce più grandi (che devono rimanere simulabili classicamente), fornisce una via pratica per inizializzare algoritmi quantistici e simulare dinamiche a breve termine in regimi in cui la simulazione classica completa è impossibile ma la simulazione quantistica completa è proibitiva in termini di risorse. Si suggerisce un lavoro futuro per estendere il metodo a bowtie più grandi tramite strategie ibride che coinvolgono reti tensoriali o propagazione di Pauli.