Quantum resources in non-stoquastic quantum annealing

Sintesi Tecnica: Risorse Quantistiche nel Quantum Annealing Non-Stoquastico

Definizione del Problema
Il quantum annealing (QA) mira a risolvere problemi di ottimizzazione combinatoria evolvendo adiabaticamente un sistema da un Hamiltoniano di driver semplice a un Hamiltoniano del problema complesso. I protocolli standard di QA utilizzano Hamiltoniani stoquastici, che sono privi del problema del segno e quindi simulabili efficientemente tramite metodi classici di Quantum Monte Carlo (QMC). Per ottenere un vero vantaggio quantistico, è stato proposto di introdurre catalizzatori Hamiltoniani non-stoquastici. Questi catalizzatori, attivi solo durante le fasi intermedie dell'annealing, possono convertire transizioni di fase quantistiche del primo ordine (caratterizzate da gap energetici che si chiudono esponenzialmente) in transizioni del secondo ordine (scaling del gap polinomiale), abilitando così accelerazioni esponenziali.

Tuttavia, una questione critica rimane aperta: sebbene i termini non-stoquastici ostacolino le simulazioni QMC, essi rendono inefficienti anche altri metodi di simulazione classica — specificamente i tensor networks (che si basano su bassa entanglement) e i metodi stabilizer-tableau (che si basano su bassa non-stabilizerness o "magicness")? Se il miglioramento dello scaling del gap avviene a scapito di ridotte risorse quantistiche, i metodi classici potrebbero comunque seguire lo stato in modo efficiente, negando il vantaggio quantistico. Questo articolo investiga se i guadagni di prestazione derivanti dall'annealing non-stoquastico coincidano con un aumento significativo delle risorse computazionali quantistiche.

Metodologia
Gli autori analizzano due modelli benchmark paradigmatici per confrontare i protocolli di annealing stoquastici e non-stoquastici:

1. Modello $p$-Spin Completamente Connesso: Un modello con simmetria di permutazione in cui l'Hamiltoniano del costo coinvolge interazioni all-to-all. Gli autori utilizzano la simmetria del modello per restringere la dinamica allo spazio di Dicke, consentendo la diagonalizzazione esatta per dimensioni di sistema fino a $N=100$.
2. Modello Ising Geometricamente Locale: Un modello con connettività locale (due anelli di qubit) introdotto da Albash, che manca di simmetria di permutazione ma è più rappresentativo dell'hardware attuale. Gli autori impiegano la diagonalizzazione esatta per sistemi piccoli ($N \le 16$) e rappresentazioni Matrix Product State (MPS) combinate con campionamento Monte Carlo per sistemi più grandi per calcolare le risorse.

Per entrambi i modelli, gli autori introducono un Hamiltoniano catalizzatore non-stoquastico ($H_{\text{catalyst}}$) composto da interazioni a due corpi trasversali ($\sigma^x_i \sigma^x_j$). Monitorano l'evoluzione lungo il percorso di annealing $s \in [0,1]$ utilizzando uno schema che include una forza del catalizzatore $\lambda(s)$ regolabile.

Lo studio si concentra su tre osservabili chiave:

• Gap Spettrale ($\Delta E$): La differenza minima di energia tra lo stato fondamentale e il primo stato eccitato, che determina il tempo di esecuzione adiabatico.
• Entanglement Entropy Bipartita ($S$): Una misura delle correlazioni quantistiche, che quantifica la difficoltà per le simulazioni di tensor network.
• Stabilizer Rényi Entropy ($M_2$): Una misura della non-stabilizerness (o "magic"), che quantifica la difficoltà per le simulazioni stabilizer-tableau.

Contributi Chiave e Risultati

• Correlazione tra Risorse e Scaling del Gap: Gli autori riscontrano che i regimi in cui i catalizzatori non-stoquastici migliorano lo scaling del gap spettrale (convertendo la chiusura esponenziale in una polinomiale) sono coerentemente associati ad alti livelli di risorse quantistiche.
• Risultati del Modello $p$-Spin:
  • Scaling del Gap: I percorsi non-stoquastici (specificamente quelli che evitano la linea di transizione del primo ordine) riescono con successo a sostituire la chiusura del gap esponenziale con una polinomiale.
  • Entanglement: Nei regimi stoquastici, l'entanglement entropy satura con la dimensione del sistema. Nei regimi non-stoquastici, l'entanglement continua a crescere rispetto alle dimensioni di sistema studiate, sebbene lo scaling sia complesso (sublineare vicino ai punti critici, potenzialmente saturante per $N$ più grandi).
  • Non-Stabilizerness: La Stabilizer Rényi Entropy (SRE) scala estensivamente (linearmente) con la dimensione del sistema in tutti i casi. Tuttavia, la pendenza di questa crescita è significativamente più ripida nei regi non-stoquastici rispetto a quelli stoquastici.
• Risultati del Modello Ising Locale:
  • Paesaggio della Magnetizzazione: Il catalizzatore non-stoquastico trasforma il singolo riarrangiamento netto della magnetizzazione del caso stoquastico in una sequenza di plateau e avoided crossings.
  • Scaling delle Risorse: Similmente al modello $p$-spin, il protocollo non-stoquastico ($\lambda=4$) esibisce un paesaggio più complesso con molteplici estremi locali. Mentre il protocollo stoquastico mostra entanglement costante e crescita lineare della SRE, il protocollo non-stoquastico mantiene o potenzia questi livelli di risorse, impedendo al sistema di diventare classicamente facile da simulare tramite questi specifici metodi.
• Analisi delle Barriere: Lo studio identifica che, mentre esistono "barriere di entanglement" nei sweep stoquastici, l'introduzione di termini non-stoquastici non riduce queste barriere. Al contrario, spesso potenzia significativamente la "barriera di magic" (non-stabilizerness).

Significatività e Rivendicazioni
L'articolo conclude che i miglioramenti nelle prestazioni quantistiche tramite l'annealing non-stoquastico coincidono con una significativa presenza di risorse computazionali quantistiche. Nello specifico:

• Lo scaling dell'entanglement e della non-stabilizerness è almeno mantenuto, e in molti casi significativamente potenziato, nel regime profondamente non-stoquastico.
• Ciò suggerisce che i metodi di computazione classica basati su tensor networks e simulazioni stabilizer-tableau affronteranno difficoltà crescenti quando simulano l'annealing non-stoquastico, rispecchiando gli argomenti di complessità teorica che motivano l'uso della non-stoquasticità.
• I risultati forniscono prove numeriche che la "magic" necessaria per il vantaggio quantistico è effettivamente presente negli stati fondamentali istantanei dei protocolli non-stoquastici, supportando l'ipotesi che queste risorse siano necessarie per un vero vantaggio quantistico rispetto agli algoritmi classici.

Gli autori rimangono modesti, osservando che il comportamento esatto dello scaling delle risorse dipende dal modello specifico e dal percorso di annealing, e che sebbene i loro dati numerici suggeriscano un potenziamento costante, il comportamento nel limite termodinamico per l'entanglement nel modello $p$-spin richiede ulteriori indagini.