Worldline-Susceptibility Scheduling for Quantum Annealing Beyond Local-Adiabatic Evolution

Sintesi Tecnica: Programmazione della Suscettibilità delle Worldline per l'Annealing Quantistico

Definizione del Problema
Le prestazioni dell'annealing quantistico (QA) dipendono criticamente dalla programmazione dell'annealing (annealing schedule), la quale determina come il tempo totale venga distribuito lungo il percorso di evoluzione. Sebbene la programmazione locale-adiabatica di Roland–Cerf sia teoricamente ottimale — allocando il tempo in modo inversamente proporzionale al quadrato del gap spettrale istantaneo ($\Delta(s)^{-2}$) — essa è praticamente impraticabile per problemi di ottimizzazione di grandi dimensioni. La costruzione di tale programmazione richiede la conoscenza completa dello spettro a bassa energia istantaneo, il che necessita di ripetute diagonalizzazioni di un Hamiltoniano esponenzialmente grande. Di conseguenza, è necessario un surrogato computazionalmente economico che possa identificare le regioni critiche dell'annealing senza informazioni spettrali esplicite.

Metodologia
Gli autori propongono un framework di programmazione surrogata basato sulla suscettibilità della magnetizzazione delle worldline ($\chi_m$) misurata durante l'Annealing Quantistico Simulato (SQA). La metodologia procede come segue:

1. Simulazione SQA: Il processo di annealing quantistico viene mappato su un equivalente sistema classico di statistica meccanica utilizzando la decomposizione di Suzuki–Trotter. Questo trasforma il modello di Ising a campo trasversale in un sistema classico $(d+1)$-dimensionale con $M$ repliche accoppiate (slice di Trotter).
2. Misurazione degli Osservabili: Le configurazioni di equilibrio vengono campionate utilizzando tecniche Monte Carlo classiche. Da esse, viene calcolata la magnetizzazione delle worldline $m$, e la sua suscettibilità viene derivata tramite il teorema di fluttuazione-dissipazione: $\chi_m = NM(\langle m^2 \rangle - \langle |m| \rangle^2)$.
3. Costruzione del Surrogato: La suscettibilità misurata $\chi_m(s)$ funge da proxy per l'inverso del quadrato del gap spettrale. Viene definita una funzione di peso per l'allocazione del tempo $w(s) = \chi_m(s) + \chi_0$ (dove $\chi_0$ è una costante di regolarizzazione), si costruisce la funzione di allocazione del tempo cumulativa $\tau(s)$ e si ottiene la programmazione finale $s(t)$ invertendo $\tau(s)$.
4. Validazione: Il framework, implementato nel software open-source Qanneal, valida le programmazioni surrogate rispetto ai risultati della diagonalizzazione esatta (ED) per istanze di spin-glass di tipo Sherrington–Kirk–patrick (SK). Le prestazioni sono quantificate tramite la probabilità finale dello stato fondamentale ($P_{GS}$) ottenuta risolvendo l'equazione di Schrödinger dipendente dal tempo per le programmazioni lineare, Roland–Cerf esatta e quella surrogata proposta.

Risultati Chiave
Lo studio dimosta che la programmazione basata sulla suscettibilità delle worldline supera costantemente sia l'annealing lineare convenzionale sia, controintuitivamente, la programmazione esatta di Roland–Cerf per una sostanziale frazione di istanze SK.

• Identificazione delle Regioni Critiche: Il picco della suscettibilità delle worldline identifica in modo affidabile la regione ampia in cui il gap spettrale è minimo, sebbene non riproduca quantitativamente il profilo dettagliato del gap.
• Prestazioni Superiori in Tempo Finito: Per istanze rappresentative ($n=10$ e $n=12$), la programmazione surrogata produce probabilità di stato fondamentale più elevate rispetto alla programmazione esatta di Roland–Cerf per vari tempi di annealing totali.
• Scoperta dei Modi di Fallimento: Gli autori identificano due distinti modi di fallimento a tempo finito della programmazione local-adiabatica esatta che spiegano il suo scarso rendimento:
  1. Trappola del Gap di Confine (Boundary-Gap Trap): Quando il gap minimo avviene alla fine dell'annealing ($s \approx 1$), la programmazione di Roland–Cerf alloca la maggior parte del tempo in una regione in cui il driver del campo trasversale è effettivamente svanito. Ciò rende il tempo aggiuntivo dinamicamente inefficace poiché le fluttuazioni quantistiche sono soppresse. La programmazione basata sulla suscettibilità evita questo problema concentrando il tempo nella più ampia regione di crossover dove le fluttuazioni quantistiche rimangono attive.
  2. Instabilità Oscillatoria: Quando il gap minimo è interiore, la programmazione esatta concentra il tempo in modo così acuto attorno al gap da indurre un'interferenza coerente multi-livello. Ciò risulta in una dipendenza non monotona e oscillante della probabilità di successo rispetto al tempo totale di annealing, fenomeno che la programmazione basata sulla suscettibilità, più fluida, evita.
• Robustezza Statistica: Grandi esperimenti numerici attraverso realizzazioni di disordine e dimensioni del sistema ($n=10$ a $n=20$) confermano che la superiorità della programmazione surrogata è una caratteristica generica, non un artefatto di istanze specifiche. All'aumentare della dimensione del sistema, la prevalenza di istanze con gap di confine aumenta, degradando ulteriormente le prestazioni della programmazione esatta di Roland–Cerf rispetto a quella surrogata.

Significatività e Rivendicazioni
Il lavoro sostiene che, in condizioni realistiche di tempo finito, la robustezza nella programmazione è più critica della precisa riproduzione del profilo del gap spettrale istantaneo. Gli autori affermano che:

• Osservabili di equilibrio economiche (specificamente la suscettibilità delle worldline da SQA) possono fungere da efficaci surrogati per le strategie basate sul gap spettrale.
• La condizione local-adiabatica esatta, sebbene teoricamente ottimale nel limite asintotico, può essere controproducente nei regimi a tempo finito a causa della "trappola del gap di confine" e dell'"instabilità oscillatoria".
• La metodologia proposta offre un percorso scalabile per l'ottimizzazione della programmazione che bypassa l'intrattenibilità computazionale dei calcoli spettrali esatti, rendendola applicabile a dimensioni di problemi oltre la portata della diagonalizzazione esatta.

Il lavoro è implementato nel framework open-source Qanneal, fornendo una piattaforma unificata per SQA, misurazione della suscettibilità e costruzione della programmazione, facilitando così la ricerca riproducibile nella dinamica dell'annealing quantistico.