Performance and scaling analysis of variational quantum simulation

Probleemstelling

Het simuleren van de tijdsontwikkeling van kwantumsystemen is een fundamentele uitdaging in de natuurkunde en chemie. Traditionele klassieke methoden stuiten op de exponentiële groei van de benodigde rekenkracht bij grotere systemen. Kwantumcomputers bieden een potentiële oplossing, maar in het huidige NISQ-tijdperk (Noisy Intermediate-Scale Quantum) zijn de beschikbare coherentietijden ($T_1$) beperkt.

De meest gevestigde methode voor kwantum-tijdsimulatie is Trotterisatie (productformules). Deze methode splitst de tijdsontwikkelingsoperator in kleinere eenheden. Het nadeel is dat de circuitdiepte (aantal poorten) monotoon toeneemt met de gesimuleerde tijd en de systeemgrootte om een bepaalde precisie te bereiken. Voor lange tijdsimulaties worden de circuits vaak te diep voor huidige hardware.

Er is behoefte aan alternatieve, mogelijk ruisbestendige methoden, zoals Variational Quantum Simulation (VQS). Hoewel VQS theoretisch veelbelovend is vanwege de mogelijke "shallow" (ondiepe) circuits, ontbreekt er tot nu toe een empirische analyse van de schaling en prestaties ten opzichte van Trotterisatie.

Methodologie

De auteurs voeren een empirische schalingsanalyse uit door VQS te vergelijken met een tweede-orde Trotter-Suzuki productformule.

1. Systeem: Ze gebruiken een 1D Transverse-Field Ising-model met willekeurige koppelingen ($H = H_A + H_B$).
2. Ansatz: Voor VQS wordt een Hamiltonian Variational Ansatz (HVA) gebruikt. Deze is opgebouwd uit lagen die corresponderen met de Pauli-strings van de Hamiltoniaan. De parameters worden aangepast via een kwantum-klassieke feedbacklus.
3. Algoritme VQS:
   • Gebaseerd op het McLachlan-principe, wat leidt tot een stelsel lineaire differentiaalvergelijkingen: $A \dot{\theta} = C$.
   • De matrix $A$ (Quantum Fisher Information) en vector $C$ worden geschat op de kwantumcomputer (via overlap-metingen).
   • Het lineaire stelsel wordt klassiek opgelost (met least-squares methoden om ill-conditioning te mitigeren) om de parameters $\theta$ te updaten.
   • Een adaptief proces wordt gebruikt: als de fout (McLachlan-afstand) de tolerantie (0,05) overschrijdt, wordt een extra laag aan de ansatz toegevoegd.
4. Vergelijkingsmaatstaf: De minimale circuitdiepte die nodig is om een fideliteit van > 0,95 te bereiken, wordt gemeten als functie van:
   • Het aantal qubits ($n_q$).
   • De gesimuleerde tijd ($t_f$).
5. Data: Er zijn 50 instanties van het probleem gesimuleerd (willekeurige Hamiltoniaan-coëfficiënten en starttoestanden) voor systemen van 2 tot 10 qubits en tijden van 1 tot 14 eenheden.

Belangrijkste Bijdragen

• Empirische Schalingsanalyse: Het artikel biedt een van de eerste gedetailleerde empirische studies die de schaling van VQS direct vergelijkt met Trotterisatie.
• Identificatie van een Voordeelzone: De auteurs identificeren een specifiek gebied in de parameter ruimte (systeemgrootte vs. tijd) waar VQS superieur is aan Trotterisatie.
• Klassieke Complexiteit: Er wordt een analyse uitgevoerd van de klassieke rekenkosten van VQS (inversie van matrix $A$) en of deze nog steeds efficiënter is dan een volledig klassieke simulatie.

Resultaten

De resultaten tonen duidelijke verschillen in schalingsgedrag:

1. Schaling met Systeemgrootte ($n_q$):
   • Bij een lineaire relatie tussen tijd en systeemgrootte ($t_f = n_q$) presteert VQS beter dan Trotterisatie. De benodigde diepte voor VQS is lager en de trend suggereert dat dit voordeel toeneemt bij grotere systemen.
2. Schaling met Gesimuleerde Tijd ($t_f$):
   • Voor vaste systeemgrootte groeit de benodigde diepte voor beide methoden met de tijd. Echter, de groeisnelheid voor VQS is langzamer dan voor Trotterisatie.
   • Trotterisatie vereist een snellere toename van de diepte om lange tijden accuraat te simuleren.
3. Fitting en Extrapolatie:
   • De auteurs passen een machtwet-functie toe: $D(n_q, t_f) = a n_q^b t_f^c$.
   • VQS: $b \approx 1,0$ (lineair met qubits), $c \approx 0,74$ (sublineair met tijd).
   • Trotter: $b \approx 0,45$ (sublineair met qubits), $c \approx 1,29$ (superlineair met tijd).
   • Conclusie: Trotterisatie schaalt beter met het aantal qubits, maar VQS schaalt aanzienlijk beter met de tijd. Voor lange tijdsimulaties ($t_f \geq n_q$) ligt VQS duidelijk in het voordeelgebied.
4. Klassieke Kosten:
   • De klassieke kosten van VQS (matrixinversie, $\sim m^3$) worden vergeleken met een klassieke simulatie ($\sim k 2^{n_q}$).
   • Er is een "corridor" van systeemgroottes gevonden waar VQS klassiek goedkoper is dan een volledige klassieke simulatie, maar toch beter schaalt met de tijd dan Trotterisatie op een kwantumcomputer.

Betekenis en Conclusie

De studie concludeert dat VQS een veelbelovende alternatieve route is voor lange tijdsimulaties op NISQ-hardware, waar de beperkte coherentietijd de uitvoerbaarheid van diepe Trotter-circuits verhindert.

• Voordeel: VQS kan langere tijden simuleren met een lagere circuitdiepte dan Trotterisatie, wat cruciaal is voor het observeren van dynamische eigenschappen zoals steady-states of chaotisch gedrag.
• Beperkingen: De resultaten zijn empirisch. De methode is gevoelig voor numerieke instabiliteiten door de slecht geconditioneerde matrix $A$. Ook is de weerstand tegen hardware-ruis nog niet volledig bewezen, hoewel variational methoden mogelijk beter omgaan met bepaalde controlefouten.
• Toekomst: De auteurs pleiten voor verdere studies naar de totale rekenkosten (inclusief het aantal circuits dat nodig is voor de klassieke oplossing) en de robuustheid tegen ruis.

Samenvattend biedt dit artikel een onderbouwd argument dat variational quantum simulation een haalbare strategie kan zijn voor het overwinnen van de diepte-beperkingen van huidige kwantumhardware bij het simuleren van complexe dynamische systemen over langere tijdschalen.