Faster matrix product state preparation by exploiting symmetry-induced block-sparsity

Riepilogo Tecnico: Preparazione più Rapida degli Stati a Prodotto di Matrice Sfruttando la Sparsità a Blocchi Indotta da Simmetria

Enunciato del Problema
Gli Stati a Prodotto di Matrice (MPS) sono uno strumento primario per la simulazione di sistemi quantistici in chimica e fisica della materia condensata, in particolare per la ricerca degli stati fondamentali di Hamiltoniani locali unidimensionali con gap. La preparazione di questi stati su computer quantistici è un passaggio critico per algoritmi come la Stima di Fase Quantistica (QPE). Sebbene esistano metodi standard di preparazione tolleranti ai guasti (ad esempio, l'approccio di profondità lineare assistito da ancilla), essi spesso trattano i tensori MPS come matrici dense. Tuttavia, molti sistemi fisici di interesse possiedono simmetrie $U(1)$ (conservazione del numero di particelle e della proiezione dello spin), che inducono una struttura a blocchi sparsi nei tensori MPS. Gli algoritmi classici come il Gruppo di Rinormalizzazione della Matrice di Densità (DMRG) sfruttano questa sparsità per l'efficienza, ma i circuiti standard di preparazione quantistica non ne sfruttano appieno il potenziale, portando a costi di risorse superiori al necessario (in particolare nel conteggio delle porte Toffoli).

Metodologia
Gli autori propongono un metodo per ridurre il costo di preparazione degli MPS a blocchi sparsi trasformando le operazioni unitarie sottostanti in una forma a blocchi diagonali. L'approccio si basa sullo schema standard di preparazione assistita da ancilla, in cui un MPS è preparato tramite una sequenza di unitarie $U_i$.

1. Sfruttamento della Sparsità a Blocchi:
   I tensori MPS $M_i$ per sistemi con simmetrie abeliane globali sono a blocchi sparsi. Gli autori dimostrano che la matrice $U'_i$ (formata impilando la trasposta dei blocchi del tensore) eredita questa struttura, dove ogni riga e colonna di blocchi contiene un solo blocco non nullo.

   • Strategia di Permutazione: Il metodo impiega matrici di permutazione di righe e colonne ($P_r$ e $P_c$) per riorganizzare i blocchi non nulli di $U'_i$.
   • Blocco-Diagonalizzazione: Riempendo le voci non specificate (indicate come $\ast$) dell'estensione unitaria $U_i = [U'_i \mid \ast]$ con blocchi rettangolari complementari, la matrice viene trasformata in un'unitaria a blocchi diagonali $V$. Ciò permette di decomporre la sintesi di $U_i$ nella sintesi di blocchi unitari più piccoli e indipendenti, anziché di una singola grande unitaria densa.

2. Sintesi Unitaria Ottimizzata:
   Le unitarie a blocchi diagonali sono sintetizzate utilizzando rotazioni di Givens.

   • Ottimizzazione a Valori Reali: Gli autori modificano l'approccio di sintesi unitaria di Berry et al. [8]. Per unitarie a valori reali (comuni in questi sistemi), dimostrano che il numero di porte Toffoli richieste può essere ridotto di un fattore $\sqrt{2}$. Ciò è ottenuto esprimendo gli strati di Givens utilizzando solo rotazioni $R_y$ (rimuovendo le porte $R_z$) e sfruttando un framework a gradiente di fase.
   • Allineamento degli Strati: Per sintetizzare efficientemente l'intera matrice a blocchi diagonali, gli autori allineano gli strati di rotazione di Givens dei singoli blocchi. Gestiscono le matrici di permutazione ($W$ e $Q$) necessarie per trasformare tra la base originale e la base a blocchi diagonali utilizzando QROAM (Memoria ad Accesso Casuale Quantistica) con correzioni di inversione del segno, assicurando che il costo rimanga gestibile.

Contributi Chiave

• Trasformazione a Blocchi Diagonali: Una procedura innovativa per convertire tensori MPS a blocchi sparsi in unitarie a blocchi diagonali tramite permutazioni di righe/colonne e un riempimento strategico dell'estensione unitaria. Ciò riduce il costo di sintesi, che passa dall'essere determinato dalla dimensione totale del legame a essere determinato dalla dimensione del blocco più grande.
• Accelerazione di $\sqrt{2}$ per Unitarie Reali: Una modifica dell'algoritmo di sintesi unitaria di Berry et al. che riduce il costo Toffoli per unitarie a valori reali di un fattore $\sqrt{2}$ eliminando rotazioni $R_z$ non necessarie.
• Benchmarking delle Risorse: Implementazione dell'algoritmo all'interno del framework Qualtran e stima rigorosa delle risorse per vari sistemi molecolari, inclusi spazi attivi di enzimi P450 e cluster ferro-zolfo.

Risultati
I benchmark numerici su sistemi molecolari fortemente correlati (ad esempio P450, [Fe$_2$S$_2$], [Fe$_4$S$_4$]) con dimensioni di legame e stati di spin variabili mostrano miglioramenti significativi:

• Riduzione del Costo Toffoli: Il metodo proposto achieve fattori di miglioramento del costo Toffoli compresi tra 10 e 30 rispetto ai metodi di preparazione densa all'avanguardia (sia con che senza l'ottimizzazione a valori reali).
• Correlazione con la Sparsità: L'accelerazione è più pronunciata nei sistemi con dimensioni di legame più elevate, dove la densità delle voci non nulle nei tensori è inferiore. Gli autori notano che l'accelerazione ottenuta è circa la metà del massimo teorico (che sarebbe $\sqrt{2}$ volte l'inverso della densità del tensore), suggerendo spazio per ulteriori ottimizzazioni nella fase di bloccaggio.
• Sovraccarico di Qubit: I circuiti di permutazione introducono un costo paragonabile a un singolo strato della sintesi unitaria, che è gestibile rispetto ai risparmi totali.

Significato e Affermazioni
Il lavoro afferma che sfruttare la sparsità a blocchi indotta da simmetria è un passaggio cruciale per rendere più efficiente la stima end-to-end dell'energia dello stato fondamentale su computer quantistici tolleranti ai guasti.

• Rilevanza per la QPE: I recenti avanzamenti algoritmici hanno ridotto il costo della parte di stima di fase della QPE, riducendo il divario con il costo della preparazione dello stato iniziale. Riducendo significativamente il costo di preparazione MPS, questo lavoro permette l'uso di stati iniziali di qualità superiore (con dimensioni di legame più grandi) senza incorrere in sovraccarichi di risorse proibitivi.
• Integrazione tra Classico e Quantistico: Il lavoro funge da ponte tra le tecniche di simulazione classica (che già utilizzano la sparsità a blocchi) e la simulazione quantistica, assicurando che le stime delle risorse quantistiche riflettano le simmetrie fisiche dei sistemi target.
• Direzioni Future: Gli autori suggeriscono che ulteriori miglioramenti potrebbero essere ottenuti ottimizzando la fase di bloccaggio stessa o adattando lo schema per forme $SU(2)$ adattate allo spin. Evidenziano inoltre la necessità di confrontare questa preparazione diretta MPS con altri metodi, come la preparazione di somme sparse di determinanti di Slater o l'uso di tecniche adiabatiche/dissipative.

Gli autori concludono che il loro approccio è una parte integrante del collegamento tra simulazioni classiche e quantistiche per la chimica e la fisica della materia condensata, fornendo un percorso concreto per ridurre i requisiti totali di risorse per il vantaggio quantistico in questi domini.