Nuclear scattering phase shifts with factorized geometric-time RODEO on a quantum processor

Sintesi Tecnica: Spostamenti di Fase dello Scattering Nucleare con RODEO a Tempo Geometrico Fattorizzato su un Processore Quantistico

Definizione del Problema
Ricostruire gli spostamenti di fase dello scattering nucleare dai dati spettrali calcolati quantisticamente rappresenta una sfida significativa. Sebbene i risolutori di eigensistemi quantistici possano stimare livelli energetici discreti in un sistema confinato (una "trappola"), collegare questi stati discreti agli osservabili del continuo (scattering in spazio libero) richiede un post-processing classico, specificamente la Modified Effective Range Expansion (MERE). Le prestazioni di un circuito quantistico in questo contesto non possono essere giudicate esclusivamente dall'errore quadratico medio (RMS) dei singoli livelli energetici. Gli errori spettrali possono essere amplificati, soppressi o riorganizzati durante l'interpolazione energetica e l'estrapolazione a confinamento zero. Pertanto, un circuito quantistico con risorse ridotte deve essere valutato in base alla sua capacità di preservare l'informazione necessaria per la successiva ricostruzione dello scattering, piuttosto che sulla sola fedeltà spettrale.

Metodologia
Gli autori ricostruiscono gli spostamenti di fase elastici s-wave neutrone-protone (np) utilizzando dati dal processore quantistico IBM Aachen. Lo studio confronta due implementazioni dell'algoritmo RODEO (Repetitive Operation for Discrete Energy Optimization):

1. Dynamic Direct R10: Un'implementazione di base che utilizza dieci cicli con step temporali a quantili gaussiani fissi. Per ogni energia di query, l'evoluzione controllata viene risintetizzata e compilata separatamente.
2. Factorized Geometric-Time RODEO (FG–R6): Un'implementazione compressa che utilizza sei cicli con campionamento temporale geometrico. Questo metodo impiega una separazione esatta della fase di query, dove l'evoluzione dell'Hamiltoniana è fissata a un'energia di riferimento ($E_{ref}$) e compilata una sola volta. La fase dipendente dalla query ($\Delta E = E_q - E_{ref}$) è legata all'ancilla dopo la compilazione.

Entrambi i metodi utilizzano un registro a tre qubit (due qubit di sistema e un'ancilla riciclata) sul backend IBM Aachen. Il modello fisico è un'interazione a pozzo quadrato s-wave np schematica. Hamiltoniane efficaci di tipo Okubo–Lee–Suzuki (OLS) a quattro dimensioni, costruite classicamente, sono utilizzate per rappresentare il sistema. L'esperimento misura quattro livelli di energia positiva a cinque diverse intensità di trappola ($\omega = 3.6$ a $4.0$ MeV), fornendo venti input spettrali. Questi input vengono inseriti in un'analisi MERE classica per estrapolare nello spazio libero e calcolare gli spostamenti di fase su una griglia energetica da 0.1 a 30.0 MeV.

Contributi Chiave

• Compressione del Circuito tramite Fattorizzazione: Il documento introduce il circuito FG–R6, che combina il riutilizzo dell'ancilla con una strategia di evoluzione temporale fattorizzata. Separando la fase di query dall'evoluzione dell'Hamiltoniana, il circuito riduce il numero di cicli di evoluzione controllata da dieci a sei ed elimina la necessità di ricompilare l'operatore di evoluzione per ogni energia di query.
• Benchmarking Hardware: Lo studio fornisce un benchmark completo derivato dall'hardware per lo scattering nucleare, andando oltre i test su singolo livello per coprire un intero set di venti input spettrali necessari per la ricostruzione in spazio libero.
• Analisi del Compromesso Risorse vs. Accuratezza: Il lavoro dimostra che ridurre la profondità del circuito e il numero di porte a due qubit non degrada necessariamente l'accuratezza dell'osservabile di scattering finale, anche se l'errore RMS dei livelli energetici intermedi aumenta.

Risultati

• Riduzione delle Risorse: Rispetto all'implementazione Dynamic Direct R10, l'implementazione FG–R6 riduce la profondità mediana del circuito compilato del 33.1% (da 459 a 307) e il numero di porte a due qubit del 37.2% (da 113 a 71).
• Incertezza Energetica: FG–R6 raggiunge un'incertezza energetica mediana a finite-shot più piccola (0.534 keV) rispetto a R10 (0.610 keV), nonostante abbia un'ampiezza media di fitting maggiore e un offset centrale RMS ($\Delta E_c$) maggiore rispetto all'energia di riferimento (1.648 keV vs. 0.793 keV).
• Accuratezza dello Spostamento di Fase: Sull'intera griglia 0.1–30.0 MeV, la deviazione massima dello spostamento di fase ricostruito rispetto al riferimento MERE a energia esatta diminuisce significativamente da 0.842° (R10) a 0.163° (FG–R6). Anche la deviazione massima dalla soluzione analitica del pozzo quadrato scende da 0.981° a 0.156°.
• Prestazioni Dipendenti dall'Energia: Il miglioramento è guidato principalmente dalla regione di estrapolazione a bassa energia (sotto i 10 MeV). Nel sottoinsieme di interpolazione comune 10.0–30.0 MeV, l'implementazione Direct R10 produce effettivamente residui leggermente più piccoli rispetto a FG–R6.
• Sensibilità della Forma di Fit: Lo studio nota che la sensibilità alla forma del fit rimane apprezzabile. La dispersione dei risultati tra diversi ordini polinomiali per i fit di energia e trappola è sostanziale (ad esempio, un intervallo di 20.12° sull'intera griglia per R10 rispetto a 6.75° per FG–R6), indicando che la scelta del modello di estrapolazione influenza significativamente il risultato finale.

Significato e Rivendicazioni
Il documento afferma che questo benchmark a spazio ridotto riesce a connettere la compressione dei circuiti RODEO agli osservabili del continuo nucleare. Il significato primario risiede nel dimostrare che le prestazioni del circuito devono essere valutate attraverso la ricostruzione dell'osservabile di scattering e il suo specifico intervallo di energia, piuttosto che attraverso gli errori RMS spettrali da soli. L'implementazione FG–R6 è presentata come un compromesso validato accuratezza–risorse per lo specifico spettro e la finestra testati, piuttosto che come una soluzione a numero minimo di cicli universale.

Gli autori dichiarano esplicitamente che questi risultati non dimostrano il vantaggio quantistico né la scalabilità many-body. I dati hardware non determinano separatamente gli effetti della compilazione di fase rispetto al campionamento temporale, né stabiliscono la riproducibilità tra run indipendenti. Questo lavoro serve come punto di partenza per estendere tali metodi a spazi di modello più grandi, interazioni realistiche e dinamiche di reazione a pochi corpi, come lo scattering risonante di onde parziali superiori (ad esempio, lo scattering neutrone–alfa) e sistemi che coinvolgono interazioni Coulombiane a lungo raggio.