Simulating sparse SYK model with a randomized algorithm on a trapped-ion quantum computer

In dit werk simuleren de auteurs de real-time dynamiek van een gesparseerde SYK-model met 24 Majorana-fermionen op een quantumcomputer met gevangen ionen, gebruikmakend van het gerandomiseerde TETRIS-algoritme en een daarop toegesneden foutmitigatie, om de verval van de Loschmidt-amplitude waar te nemen en de haalbaarheid van grootschalige simulaties te beoordelen.

De kern

De Quantum-Simulatie van een "Chaos-Model" op een Ionen-Quantumcomputer

Stel je voor dat je een heel complexe, chaotische dans wilt nabootsen. Deze dans wordt uitgevoerd door een groep van 24 dansers (deeltjes) die allemaal met elkaar verbonden zijn en op willekeurige momenten van partner wisselen. In de echte wereld is dit een model uit de fysica genaamd het SYK-model. Het beschrijft hoe deeltjes in sommige metalen zich gedragen en is zelfs verbonden met de theorie van zwaartekracht en zwarte gaten.

Het probleem? Deze dans is zo chaotisch dat supercomputers (de krachtigste klassieke computers) er te snel op uitgeput raken om hem nauwkeurig te simuleren. Ze raken de draad kwijt. Daarom hebben de onderzoekers besloten om een quantumcomputer te gebruiken, een machine die qua natuur al meer op deze dansers lijkt.

Maar hier is de twist: de quantumcomputer die ze gebruikten (een "gevangen-ionen" machine van Quantinuum) is nog niet perfect. Hij maakt fouten, net als een muzikant die soms een noot mist tijdens een optreden. Als je de dans te lang laat doorgaan, is het resultaat door alle ruis heen onherkenbaar.

Hier is hoe de onderzoekers dit oplosten, stap voor stap:

1. De Dans Versimpelen: "Sparsification"

De oorspronkelijke dans vereist dat elke danser met elke andere danser interactie heeft. Dat is te veel werk voor de computer.

• De Analogie: In plaats van dat elke danser met iedereen praat, laten we ze alleen praten met een paar willekeurige buren. We noemen dit een "verspreide" (sparse) versie van het model.
• Het Resultaat: De dans is nog steeds chaotisch genoeg om interessant te zijn, maar veel makkelijker voor de computer om te volgen.

2. De Nieuwe Dansstijl: TETRIS

Om de tijd te laten verstrijken in de simulatie, gebruiken de onderzoekers een slim algoritme genaamd TETRIS.

• De Analogie: Stel je voor dat je een lange reis moet maken. De oude methode (Trotterisatie) is alsof je de reis in kleine, strikte stapjes doet: eerst 1 meter, dan weer 1 meter. Als je veel stappen maakt, stapel je veel foutjes op.
• De TETRIS-methode: Dit is alsof je de reis doet door willekeurige sprongen te maken die op de lange termijn toch precies op de juiste plek uitkomen. Het is een "gokker"-strategie die statistisch gezien perfect werkt, zonder de kleine stapjes die fouten veroorzaken.

3. De "Echo"-Truc: Ruis Wegwerken

Omdat de quantumcomputer fouten maakt, is het resultaat vaak een beetje vies. De onderzoekers ontwikkelden twee slimme trucs om dit te reinigen:

• Echo-Verificatie (De Spiegel):

  • De Analogie: Stel je voor dat je een foto maakt van een danser, maar de camera trilt (ruis). Als je nu een tweede foto maakt van dezelfde danser, maar dan met een lichte draai, en je vergelijkt ze, kun je zien wat er "echt" is en wat er door de trilling is verstoord.
  • In dit experiment kijken ze niet alleen naar de danser, maar ook naar een "spiegel" (een extra qubit). Als de danser terugkeert naar zijn startpositie (een "echo"), weten ze dat het signaal goed is. Ze filteren de resultaten die niet terugkeren naar de start, omdat die waarschijnlijk door ruis zijn veroorzaakt.

• LGAE (De "Grote Sprong" Extrapolatie):

  • De Analogie: Stel je voor dat je de snelheid van de dansers verandert om te zien hoe de ruis reageert. Ze draaien de dansers heel langzaam (kleine sprongen) en heel snel (grote sprongen).
  • Ze weten dat de ruis lineair toeneemt met de snelheid. Door de resultaten van de "snelle" en "langzame" dansen te vergelijken, kunnen ze wiskundig terugrekenen naar hoe het zou zijn geweest als er geen ruis was (alsof ze de ruis "extrapoleren" naar nul). Dit heet Large Gate Angle Extrapolation.

4. De Resultaten: Een Succesvolle Dans

Met deze technieken slaagden ze erin om de "Loschmidt-amplitude" te meten.

• Wat is dat? Dit is een maatstaf voor hoe waarschijnlijk het is dat het systeem terugkeert naar zijn starttoestand. In een perfect systeem zou dit een mooie, voorspelbare kromme zijn. In een chaotisch systeem (zoals SYK) daalt deze waarde snel.
• Het Succes: Op de quantumcomputer zagen ze precies deze daling. Zonder hun ruis-remedies was het signaal al lang verdwenen in de ruis. Ze konden dus de "chaos" van het model daadwerkelijk zien gebeuren.

5. De Toekomst: Een Nieuwe Meetlat

De onderzoekers bedachten ook een nieuwe manier om quantumcomputers te testen (benchmarken).

• De Oude Methode: Je laat de computer een taak doen en daarna precies het omgekeerde. Als hij perfect is, is hij weer terug bij het begin. Maar dit test vaak alleen de "grote" fouten, niet de kleine fouten die belangrijk zijn voor specifieke vragen.
• De Nieuwe Methode (Mirror-on-Average): Ze gebruiken twee willekeurige versies van de TETRIS-dans. Gemiddeld heffen ze elkaar op. Dit geeft een veel eerlijker beeld van hoe goed de computer presteert voor de specifieke vragen die we eigenlijk willen beantwoorden.

Conclusie

Kortom: deze paper laat zien dat we, zelfs met imperfecte quantumcomputers, al complexe natuurkundige modellen kunnen simuleren die voor klassieke computers onmogelijk zijn. Door slimme wiskundige trucs (TETRIS) en ruis-filtertechnieken (Echo en LGAE) hebben ze de "chaos" van het universum een stukje dichterbij gebracht. Het is een grote stap richting het begrijpen van zwaartekracht en kwantummateriaal in een laboratorium.

Technische samenvatting

Probleemstelling

Het Sachdev-Ye-Kitaev (SYK) model beschrijft een sterk gecureleerd kwantumsysteem met willekeurige $q$-lichaam interacties (in dit werk $q=4$). Het model is van groot belang voor de studie van kwantumchaos, niet-Fermi vloeistoffen en heeft een holografische connectie met kwantumzwaartekracht in twee dimensies.

De simulatie van de real-time dynamiek van het SYK-model op klassieke computers is echter snel onuitvoerbaar (intractable) vanwege het chaotische karakter en de exponentiële schaal van de Hilbertruimte. Op kwantumcomputers zijn simulaties tot nu toe beperkt door:

1. Complexiteit van de Hamiltoniaan: Het standaard SYK-model heeft volledig niet-lokale interacties, wat leidt tot een aantal termen dat schaalt als $O(N^4)$.
2. Hardware-beperkingen: Op ruisgevoelige kwantumprocessors (NISQ) leiden de lange Pauli-strings en de hoge gate-aantallen van traditionele methoden (zoals Trotterisatie) tot onacceptabele fouten.

Methodologie

De auteurs simuleren de real-time dynamiek van een gesparsificeerde versie van het SYK-model met $N=24$ Majorana-fermionen (wat overeenkomt met $L=12$ qubits) op een Quantinuum H1-1 ionenval-kwantumcomputer.

De kern van de aanpak bestaat uit drie pijlers:

1. Gesparsificeerd SYK-model:
   In plaats van alle mogelijke interacties te gebruiken, wordt een subset geselecteerd via een binair proces met waarschijnlijkheid $p$. Dit reduceert het aantal termen in de Hamiltoniaan aanzienlijk terwijl de essentiële chaotische eigenschappen (zoals de "ramp" in de spectrale vormfactor) behouden blijven, mits de dichtheidsschaal correct wordt gekozen ($p \sim k/N^3$).

2. TETRIS-algoritme (Time Evolution Through Random Independent Sampling):
   In plaats van de gebruikelijke Trotterisatie, gebruiken de auteurs een gestochastisch algoritme (TETRIS).

   • Het algoritme genereert willekeurige unitaire operatoren $U$ die gemiddeld gelijk zijn aan de tijdsevolutie-operator $e^{-iHt}$, vermenigvuldigd met een dempingsfactor $\lambda$.
   • Het voordeel is dat er geen discretisatiefout (Trotter-fout) optreedt en dat de gate-kost onafhankelijk is van de gewenste precisie $\epsilon$.
   • De gate-kost schaalt als $O(t^2)$, wat gunstiger is dan Trotterisatie voor korte tijden en specifieke sparsiteitsparameters.

3. Foutmitigatie Technieken:
   Om de beperkingen van de huidige hardware te overwinnen, worden twee specifieke technieken ontwikkeld:

   • Echo Verification: Een methode om bit-flips op het systeemregister te detecteren en te corrigeren. Door de meting te projecteren op de initiële toestand $|0...0\rangle$ (of een variant daarvan die enkele bit-flips toelaat), kan ruis worden onderdrukt. Dit vermindert de variantie in de metingen.
   • Large Gate Angle Extrapolation (LGAE): Een variant van Zero Noise Extrapolation (ZNE). In TETRIS is de rotatiehoek $\tau$ een vrije parameter die het aantal gates beïnvloedt zonder de theoretische verwachtingswaarde te veranderen. Door metingen te doen bij verschillende hoeken (en dus verschillende ruisniveaus) en te extrapoleren naar een "nul-ruis" situatie (door de hoek te vergroten), kan de ruis worden gecompenseerd.

4. Mirror-on-Average Benchmark:
   De auteurs introduceren een nieuwe benchmark waarbij twee onafhankelijk gesamplede TETRIS-circuits ($U$ en $U'$) worden gebruikt. Het circuit $U'^\dagger U$ is gemiddeld gelijk aan de identiteit, maar niet voor individuele runs. Dit biedt een schaalbare manier om de ruis op lokale observabelen te schatten, wat nauwkeuriger is dan standaard mirror-circuits die vaak de ruis op lokale observabelen overschatten.

Belangrijkste Resultaten

• Succesvolle Simulatie: De auteurs hebben de Loschmidt-amplitude (de overlevingskans van de vacuümtoestand) succesvol berekend voor $N=24$ Majorana-fermionen tot tijden $Jt \approx 1$, waarbij het karakteristieke verval van de amplitude duidelijk werd waargenomen.
• Effectiviteit van Mitigatie:
  • De combinatie van Echo Verification en LGAE resulteerde in een nauwkeurige herwinning van de exacte theoretische waarden binnen één standaarddeviatie.
  • Meting met de operator $O = |0...0\rangle\langle0...0|_{mit}$ (die enkele bit-flips toelaat) bleek superieur aan de standaard projectie of het meten van de identiteit ($O=I$), vooral omdat het de ruis op lokale bit-flips effectiever filtert.
  • De lineaire extrapolatie (LGAE) bleek effectiever dan de exponentiële variant voor dit specifieke probleem.
• Ruisanalyse: Een theoretisch ruismodel (gebaseerd op een globale depolariserende kanaal) kon de hardware-resultaten nauwkeurig voorspellen, inclusief de onverwachte "upward bias" (vergroting van het signaal) die optreedt bij meting van de identiteit ($O=I$) door niet-unitaire ruis.
• Kostenvergelijking: Vergelijkingen tonen aan dat TETRIS voor korte tijden en de gekozen sparsiteit aanzienlijk goedkoper is (in termen van twee-qubit gates) dan Trotterisatie, zelfs wanneer de Trotter-fout in aanmerking wordt genomen.

Significantie en Toekomstperspectief

• Validatie van Randomized Algoritmen: Dit werk demonstreert dat gestochastische algoritmen zoals TETRIS, gecombineerd met gesparsificeerde modellen, zeer effectief zijn voor het simuleren van complexe, niet-lokale interacties op huidige kwantumhardware.
• Nieuwe Benchmarking: De "Mirror-on-Average" benchmark biedt een robuustere methode om de kwaliteit van lokale observabelen op kwantumcomputers te beoordelen dan bestaande methoden.
• Schaalbaarheid: Hoewel de huidige simulatie beperkt is tot $N=24$, schatten de auteurs dat grootschalige simulaties (bijv. $N=100$) mogelijk zijn met toekomstige hardware en algoritme-improvementen (zoals som-van-kwadraten spectrale versterking). Ze schatten dat voor het berekenen van de Lyapunov-exponent (via OTOC's) duizenden tot miljoenen twee-qubit gates nodig zijn, wat haalbaar wordt met parallelisatie en betere foutcorrectie.
• Kwantumzwaartekracht: De studie levert een belangrijke stap voorwaarts in het realiseren van "Quantum Gravity in the Lab", waarbij laboratoriumexperimenten gebruikt worden om holografische dualiteiten te testen.

Kortom, dit artikel toont aan dat door slimme combinatie van modelvereenvoudiging (sparsificatie), geavanceerde algoritmen (TETRIS) en doelgerichte foutmitigatie, het mogelijk is om fundamentele kwantumchaos-fenomenen te simuleren die voorbij de capaciteit van klassieke computers liggen, zelfs op huidige, imperfecte kwantumprocessors.