Graph automorphisms to obtain Clifford symmetries in open and closed qudit models

Sintesi Tecnica: Automorfismi di Grafi per l'Obtention di Simmetrie di Clifford in Modelli Qudit Aperti e Chiusi

Problematica
L'identificazione delle simmetrie nei sistemi quantistici è fondamentale per comprendere le proprietà dello stato fondamentale, la dinamica e la termodinamica, nonché per ridurre i costi computazionali nelle simulazioni numeriche attraverso la blocco-diagonalizzazione. Sebbene le simmetrie vengano spesso scoperte per ispezione, esse possono non essere ovvie in modelli complessi. Gli approcci algoritmici esistenti sono ampiamente limitati alle simmetrie di Pauli o diventano computazionalmente proibitivi all'aumentare delle dimensioni del sistema. Nello specifico, vi è una mancanza di algoritmi efficienti per trovare le simmetrie di Clifford — una classe di simmetrie implementabili efficientemente su computer classici — per sistemi di qudit generali, inclusi sistemi quantistici sia chiusi (Hamiltoniani) che aperti (Liouvilliani).

Metodologia
Gli autori propongono un algoritmo che mappa il problema della ricerca delle simmetrie di Clifford in un problema di Automorfismo di Grafo (GA). La metodologia si basa sulla rappresentazione simpatica degli operatori di qudit e procede attraverso i seguenti passaggi:

1. Rappresentazione Simpatica: Il sistema è rappresentato utilizzando un formalismo a tabella (tableau). Per un sistema chiuso, l'Hamiltoniana $\hat{H}$ è codificata come una somma pesata di stringhe di Pauli, definita da un vettore di coefficienti $\vec{c}$, una matrice di esponenti $p$ (che rappresenta le stringhe di Pauli come vettori in $\mathbb{Z}_d^{2n}$) e un vettore di fase $\vec{\eta}$. Per i sistemi aperti, questo viene esteso allo spazio di Liouville, raddoppiando il numero di qudit per rappresentare il generatore dell'equazione master GKSL come un superoperatore a tabella.
2. Costruzione del Grafo: L'Hamiltoniana (o il Liouvilliano) viene mappata in un grafo diretto colorato $G = (V, E, X_V, X_E)$:
   • Vertici ($V$): Ogni stringa di Pauli nella tabella corrisponde a un vertice.
   • Colori dei Vertici ($X_V$): I vertici sono colorati dai loro coefficienti $c_i$. Poiché le operazioni di Clifford preservano l'ampiezza dei coefficienti, una simmetria valida deve mappare i vertici verso altri con identici colori.
   • Etichette degli Archi ($X_E$): Gli archi diretti tra i vertici rappresentano il prodotto simpatico $\langle \vec{p}_i, \vec{p}_j \rangle \pmod d$, che codifica le relazioni di commutazione tra le stringhe di Pauli. Una simmetria valida deve preservare queste etichette degli archi.
3. Gestione delle Dipendenze e della Fase:
   • Dipendenze Lineari: Per garantire che la permutazione rispetti la struttura di dipendenza lineare delle stringhe di Pauli, gli autori impiegano due strategie: (a) aumentare il grafo con vertici ausiliari che rappresentano circuiti minimi (sottoinsiemi dipendenti), o (b) eseguire un controllo post-hoc di "automorfismo di codice" su permutazioni candidate per verificare che preservino lo spazio riga del generatore.
   • Correzione della Fase: Poiché le porte di Clifford includono vettori di fase che non sono strettamente invarianti, l'algoritmo trova prima una permutazione candidata (GA) che soddisfi gli invarianti strutturali. Successivamente, risolve un sistema lineare per determinare se esiste un vettore di fase $\vec{\phi}$ valido per correggere il disallineamento residuo della fase, verificando efficacemente se il candidato è una vera simmetria fino a un operatore di Pauli.
4. Algoritmi di Ricerca: Il problema GA viene risolto utilizzando due approcci:
   • Bliss/igraph: Utilizzando librerie esistenti per trovare i generatori del gruppo di automorfismo.
   • Euristica MRV: Una ricerca con backtracking personalizzata utilizzando un'euristica di Valore Residuo Minimo (Minimum Remaining Values) per potare efficientemente lo spazio di ricerca, spesso accelerata da un raffinamento del colore di Weisfeiler-Leman (WL) per distinguere i vertici in base ai vicinati di commutazione locale.

Contributi Chiave

• Framework Algoritmico: Il documento fornisce il primo algoritmo dettagliato per trovare simmetrie di Clifford per arbitrari sistemi di qudit aperti o chiusi, mappando il problema agli automorfismi di grafi.
• Estensione ai Sistemi Aperti: Il formalismo è generalizzato dagli Hamiltoniani alle equazioni master di tipo GKSL, permettendo la scoperta di simmetrie in sistemi quantistici dissipativi aperti trattandoli come tabelle Liouvilliane a qudit raddoppiati.
• Efficienza e Scalabilità: L'approccio sfrutta la rappresentazione simpatica per mantenere il problema classicamente efficiente. L'uso del coloring del grafo e delle euristiche riduce significativamente lo spazio di ricerca rispetto ai controlli di permutazione brute-force.
• Gestione delle Dipendenze: Il lavoro dettaglia i metodi per incorporare le strutture di dipendenza lineare (circuiti) tramite l'aumento del grafo o controlli di automorfismo di codice, garantendo che le permutazioni trovate corrispondano a valide simmetrie fisiche.

Risultati
Gli autori hanno testato l'algoritmo su vari modelli:

• Hamiltoniane di Pauli Casuali: Hanno dimostrato una scalabilità quadratica con la dimensione del sistema per trovare simmetrie iniettate, limitata principalmente dal tempo di costruzione del grafo ($O(M^2)$).
• Modelli Fisici: Hanno identificato con successo simmetrie nei modelli di Ising a campo trasverso (TFI) (geometrie a scala, quadrate, triangolari), modelli fermionici (catene Fermi-Hubbard e $t-V$ disordinate) e modelli Heisenberg XXZ.
• Scalabilità: Per modelli con interazioni locali (es. TFI, $t-V$), il tempo per trovare le simmetrie scala approssimativamente in modo quadratico con il numero di qudit $n$. Per i modelli all-to-all (es. Heisenberg XXZ con accoppiamenti all-to-all), la scalabilità dipende dal numero di termini di Pauli $M$, che scala come $n^2$, portando a diverse caratteristiche di performance.
• Codice Torico: In regimi altamente simmetrici, l'algoritmo ha trovato simmetrie per fino a $n=28$ qubit. Per istanze più grandi, gli autori hanno utilizzato l'output algoritmico per estrapolare analiticamente la struttura di simmetria per dimensioni arbitrarie del sistema. La strategia di aumento del grafo si è rivelata benefica per il codice torico per evitare l'esplosione combinatoria nel controllo delle dipendenze.
• Sistemi Aperti: L'algoritmo ha gestito con successo sistemi aperti (es. TFI con dephasing), notando l'aumento del costo computazionale dovuto al raddoppio della dimensione dello spazio di Hilbert richiesto per la rappresentazione Liouvilliana.

Significato e Rivendicazioni
Il documento sostiene di colmare una lacuna critica nella letteratura fornendo un algoritmo pratico per trovare simmetrie di Clifford, un compito per il quale non esisteva precedentemente una soluzione generale. Gli autori sottolineano che il loro metodo non è limitato a modelli specifici ma si applica a qualsiasi sistema rappresentabile come somma di Pauli su qudit.

La significatività risiede nella capacità di:

1. Automatizzare la Scoperta delle Simmetrie: Andare oltre l'ispezione manuale per il rilevamento algoritmico di simmetrie di Clifford non banali.
2. Gestire Sistemi Aperti: Estendere l'analisi delle simmetrie alla dinamica dissipativa, identificando settori invarianti dello spazio degli operatori in sistemi quantistici aperti.
3. Abilitare l'Intuizione Analitica: Utilizzare i risultati numerici di sistemi piccoli-medi per derivare induttivamente forme analitiche di simmetrie per dimensioni arbitrarie del sistema (come dimostrato con il codice torico).

Gli autori rimangono modesti riguardo alla complessità computazionale, riconoscendo che, sebbene il problema GA sia generalmente difficile, la specifica struttura delle simmetrie di Clifford (tramite invarianti come i coefficienti e le relazioni di commutazione) permette soluzioni efficienti in molti regimi fisici. Notano che la correzione della fase e i controlli di dipendenza sono passaggi necessari che distinguono questo problema da un GA standard, sebbene empiricamente questi controlli non aumentino significativamente la complessità per i modelli testati. Il lavoro fornisce un'implementazione Python ("Sympleq") per facilitare ulteriore ricerca e applicazione.