A fidelity metric for quantum annealing benchmarked by extreme scaling quantum Monte-Carlo simulations

Sintesi Tecnica: Una Metrica di Fedeltà per il Quantum Annealing Validata da Simulazioni Monte Carlo Quantistiche a Scalabilità Estrema

Problema
Gli attuali benchmark per il Quantum Annealing (QA) sono prevalentemente pragmatici, misurando le prestazioni esclusivamente in termini di velocità o tasso di successo nella risoluzione di problemi di ottimizzazione specifici (tipicamente formulati come Quadratic Unconstrained Binary Optimization, o QUBO). Gli autori sostengono che questo approccio sia "intrinsecamente fragile" perché i risultati dipendono fortemente dallo specifico istanza del problema e dall'algoritmo classico utilizzato come riferimento. Inoltre, questa metodologia non riesce a distinguere tra limitazioni intrinseche del processo di annealing (ad esempio, gap energetici che svaniscono esponenzialmente portando a transizioni di Landau-Zener) e limitazioni estrinseche dell'hardware (ad esempio, rumore, decoerenza, temperatura finita). Di conseguenza, vi è una mancanza di una metrica robusta per quantificare la fedeltà del processo di annealing quantistico stesso, indipendentemente dalla qualità della soluzione finale.

Metodologia
Il documento propone una nuova metrica di fedeltà: l'accuratezza ($\epsilon$) dell'equazione di stato $E(h_x) \equiv \langle \hat{H} \rangle$ durante il processo di annealing. Questa metrica è analoga alla "fedeltà per gate" nell'informatica quantistica basata su gate. Per ottenere l'equazione di stato sperimentalmente, si dovrebbero misurare sia l'energia longitudinale ($\langle \hat{H}_z \rangle$) che l'energia del campo trasversale ($\langle \hat{H}_x \rangle$) in vari punti dello schema di annealing.

Per stabilire i valori di benchmark per $\epsilon$ e testare i limiti della simulazione classica, gli autori impiegano due varianti di Simulated Quantum Annealing (SQA) utilizzando tecniche di Quantum Monte-Carlo (QMC) su sistemi di atomi di Rydberg:

1. Variational Quantum Monte-Carlo (VMC):

   • Ansatz: Gli autori utilizzano un "ansatz termico" ispirato al simulato annealing termico. La funzione d'onda è modellata come $\psi(n) \propto e^{-E_{\text{eff}}(n)/2}$, dove l'energia effettiva $E_{\text{eff}}(n)$ è un funzionale di energia classica modificato.
   • Varianti: Testano un "semplice ansatz termico" ($E_{\text{eff}} = \beta_{\text{eff}} F(n)$) e un "ansatz termico sfasato" ($E_{\text{eff}} = \beta_{\text{eff}} F(n) + \sum \beta_k N_k(n)$) per catturare la rottura della simmetria.
   • Scala: Questo approccio è computazionalmente leggero, permettendo simulazioni su una singola CPU fino a 100.000.000 di atomi ($N=10^8$).
   • Accuratezza: Raggiunge un'accuratezza stimata di $\epsilon \sim 10^{-2} - 10^{-3}$.

2. Green Function Monte-Carlo (GFMC):

   • Metodo: Un metodo post-VMC che evolve l'ansatz variazionale nel tempo immaginario per proiettare sul vero stato fondamentale. È privo di bias e privo del problema del segno per i modelli Ising a campo trasversale.
   • Scala: Simulazioni eseguite fino a 100.000 atomi ($N=10^5$).
   • Accuratezza: Raggiunge una precisione superiore con $\epsilon \sim 10^{-4}$.

Gli autori utilizzano questi metodi per calcolare l'equazione di stato per atomi di Rydberg su reticoli quadrati e triangolari, nonché per un'istanza QUBO del mondo reale ("problema dell'angelo caduto" relativo alla gestione del rischio finanziario).

Risultati Chiave

• Scalabilità e Precisione: L'approccio VMC con l'ansatz termico ha simulato con successo sistemi fino a $10^8$ atomi con un errore relativo $\delta E/E_0 < 10^{-2}$. L'approccio GFMC ha raggiunto $\epsilon \sim 10^{-4}$ per $N=10^5$.
• Localizzazione dell'Errore: L'errore relativo nell'equazione di stato raggiunge il picco precisamente nella posizione della chiusura del gap energetico (transizioni di fase), che corrisponde al regime in cui avvengono le transizioni di Landau-Zener. Lontano da questi punti critici, l'errore è significativamente inferiore.
• Confronto con gli Esperimenti: Gli autori stimano che le attuali piattaforme sperimentali di atomi di Rydberg operino con un'accuratezza significativamente inferiore rispetto a questi benchmark classici. Le simulazioni classiche superano le attuali piattaforme sperimentali sia in termini di dimensione del sistema che di precisione di ordini di grandezza.
• Benchmarking QUBO: Per l'istanza QUBO dell'"angelo caduto", il semplice ansatz termico ha prodotto un errore relativo di $\approx 10^{-3}$. Gli autori osservano che, mentre l'errore della soluzione finale ($\delta F/F$) può essere ridotto arbitrariamente aumentando il numero di shot, l'errore dell'equazione di stato ($\delta E/E_0$) fornisce una misura più intrinseca della capacità dell'hardware o dell'algoritmo.
• Termico vs. Quantistico: Lo studio suggerisce che entro un'accuratezza di $\epsilon \sim 10^{-2} - 10^{-3}$, un annealer quantistico è effettivamente indistinguibile dal suo controparte termico classico, implicando che i livelli di rumore sperimentale attuali possano mascherare reali vantaggi quantistici.

Significato e Rivendicazioni
Il documento sostiene che misurare l'accuratezza dell'equazione di stato sia un passo cruciale per il benchmarking del QA perché:

1. Fornisce una diagnosi diretta dei meccanismi dominanti che causano le deviazioni dall'evoluzione adiabatica ideale (distinguendo i problemi di gap intrinseci dai rumori estrinseci).
2. Offre un metric hardware-agnostic che non dipende dalla difficoltà specifica di una scelta di istanza QUBO.
3. Impone un vincolo severo per l'hardware futuro: per dimostrare un vantaggio quantistico, le piattaforme sperimentali devono raggiungere un'accuratezza dell'equazione di stato che superi questi benchmark classici (specificamente $\epsilon < 10^{-4}$ per grandi sistemi).

Gli autori concludono che l'ansatz variazionale termico, "deceptivamente semplice", è uno strumento potente per simulare il QA, suggerendo che la strada per comprendere i vantaggi quantistici possa risiedere nell'identificare regimi in cui le fluttuazioni quantistiche forniscono un vantaggio distinto rispetto anche alle simulazioni termiche classiche più sofisticate. Non affermano che il QA sia attualmente superiore agli euristiche classiche; piuttosto, forniscono gli strumenti per testare rigorosamente tale ipotesi in futuro.