A penalty-free quantum algorithm to find energy eigenstates

Dit artikel stelt een volledig kwantumalgoritme voor dat de grond- en aangeslagen toestanden van veeldeeltjes-Hamiltonianen vindt zonder gebruik te maken van boete-functies, variatiestappen of hybride kwantum-klassieke benaderingen.

De kern

Stel je voor dat je probeert het laagste punt te vinden in een uitgestrekt, mistig berglandschap. In de wereld van de natuurkunde wordt dit "laagste punt" de grondtoestand genoemd, en de hogere pieken zijn geëxciteerde toestanden. Weten waar deze punten liggen, helpt wetenschappers te begrijpen hoe materialen zich gedragen, hoe magneten werken en hoe kwantumcomputers functioneren.

Al geruime tijd is het vinden van deze punten op een computer vergelijkbaar met het proberen om elke vierkante centimeter van dat berglandschap in kaart te brengen met een liniaal. Naarmate de berg groter wordt (meer deeltjes betrokken), wordt de taak onmogelijk voor klassieke computers, omdat de hoeveelheid data explodeert.

Dit artikel introduceert een nieuwe, "strafvrije" kwantumalgoritme dat fungeert als een slimme, geautomatiseerde drone om deze punten te vinden. Hieronder wordt uitgelegd hoe het werkt, opgesplitst in eenvoudige concepten:

1. Het probleem met oude methoden

De meeste huidige methoden lijken op het proberen om het laagste punt te vinden door te gokken en te controleren. Je bouwt een model, gokt een locatie en gebruikt vervolgens een klassieke computer om je gok bij te stellen.

• De valstrik: Soms blijft de computer vastzitten in een "barren plateau" – een vlak gebied waar het, ongeacht welke kant je je gok ook een duwtje geeft, niet beter wordt. Het is alsof je over een vlakke woestijn loopt en niet weet welke richting naar de vallei leidt.
• De straf: Om het tweede laagste punt te vinden (de eerste geëxciteerde toestand), moeten oude methoden vaak een "straf" toevoegen aan de wiskunde. Het is alsof je een enorme rotsblok op het laagste punt plaatst, zodat de drone gedwongen wordt dit te negeren en naar de volgende te zoeken. Dit rotsblok is moeilijk te bouwen en breekt het systeem vaak.

2. De nieuwe aanpak: de "Stochastische Sampler"

De auteurs stellen een methode voor die niet gokt, geen straffen gebruikt en geen klassieke computer nodig heeft om te helpen. Het vertrouwt op Imaginaire Tijd Evolutie (ITE).

Stel je ITE voor als een magisch filter dat langzaam de "energie" uit een systeem aftapt. Als je begint met een willekeurige mix van toestanden, tapt dit filter van nature de hoog-energetische toestanden af, waardoor alleen de laagste energietoestand overblijft.

Hoe ze dit laten werken op een kwantumcomputer:
In plaats van te proberen een gigantische, complexe machine te bouwen om de energie in één keer af te tappen, splitsen ze het probleem op in twee kleinere, makkelijkere stukken (laten we ze Stuk A en Stuk B noemen).

• Stel je een complex puzzelstuk voor, maar je kent de oplossing voor de linkerhelft en de oplossing voor de rechterhelft apart.
• Het algoritme kiest willekeurig een stuk (A of B) en past een klein beetje "aftappen" toe.
• Door dit willekeurige bemonsteren duizenden keren te herhalen, stroomt het systeem van nature naar de grondtoestand. Het is als een druppel water die een heuvel afrolt; het heeft geen kaart nodig, het volgt gewoon het pad van de minste weerstand.

3. Het vinden van de hogere pieken (Geëxciteerde toestanden)

Zodra de drone de laagste vallei heeft gevonden (de grondtoestand), hoe vinden we dan de volgende laagste zonder een "strafrotsblok" te gebruiken?

De auteurs gebruiken een slimme truc genaamd Staat-gebaseerde Simulatie.

• De analogie: Stel je voor dat je de laagste vallei hebt gevonden. Nu wil je de tweede laagste vinden. In plaats van een rotsblok op de eerste vallei te plaatsen, maak je een perfect "spookkopie" van die vallei en plaats je deze naast de echte.
• Het algoritme voert vervolgens een speciale dans uit (een kwantumoperatie) tussen het echte systeem en deze spookkopie. Als het echte systeem te veel lijkt op de spookkopie (de grondtoestand), wordt het door de dans geannuleerd.
• Dit "filtreert" effectief de grondtoestand eruit, waardoor het systeem van nature kan neerdalen in de volgende laagste vallei (de eerste geëxciteerde toestand).
• Je kunt dit proces herhalen: zodra je de tweede vallei hebt gevonden, maak je een spookkopie daarvan, filter je die eruit en vind je de derde.

4. Waarom dit een grote zaak is

• Geen straffen: Het hoeft geen kunstmatige "rotsblokken" (straffuncties) toe te voegen om het systeem te dwingen de grondtoestand te negeren. Het filtert ze gewoon schoon eruit.
• Geen barren plateaus: Omdat het niet vertrouwt op een klassieke computer om parameters bij te stellen (zoals de oude "gok-en-controle" methoden), vermijdt het de valstrik om vast te komen zitten in vlakke, onbruikbare gebieden.
• Puur kwantum: Het draait volledig op de kwantumcomputer en maakt gebruik van de natuurlijke eigenschappen van de kwantummechanica om het zware werk te doen.

5. Het bewijs

De auteurs testten dit idee met een beroemd model genaamd het Transversale Ising-model (denk hierbij aan een rij van kleine magneten die omhoog of omlaag kunnen flippen).

• Ze vonden succesvol de grondtoestand en de eerste drie geëxciteerde toestanden.
• De resultaten waren zeer nauwkeurig (meer dan 96% fideliteit), zelfs toen ze een groter systeem simuleerden met 10 magneten.
• Ze toonden aan dat zelfs als de magneten bijna identiek zijn in energie (bijna ontaard), het algoritme ze nog steeds uit elkaar kan houden.

Samenvatting

Dit artikel presenteert een nieuwe manier om een kwantumcomputer te gebruiken voor het oplossen van complexe energieproblemen. In plaats van te worstelen met straffen en vast te komen zitten in doodlopende straten, gebruikt deze methode willekeurige bemonstering om op natuurlijke wijze naar de laagste energietoestand te stromen, en gebruikt vervolgens spookkopieën om uit te filteren wat al is gevonden, waardoor het volgende energieniveau zichtbaar wordt. Het is een schonere, directere weg naar het begrijpen van de kwantumwereld.

Technische samenvatting

Technische Samenvatting: Een Strafwrijvingsvrije Quantumalgoritme voor het Vinden van Energie-eigentoestanden

Probleemstelling

Het vinden van de eigenwaarden en eigentoestanden van veeldeeltjes-Hamiltonianen is een fundamentele uitdaging in de fysica en de computationele wetenschap. Klassieke methoden kampen met exponentiële schaling ($O(2^{2n})$ opslag en $O(2^{3n})$ tijd) naarmate het aantal qubits $n$ toeneemt. Hoewel quantumalgoritmes een weg vooruit bieden, hebben bestaande benaderingen aanzienlijke beperkingen:

• Variational Quantum Eigensolver (VQE): Een hybride quantum-klassieke aanpak die vaak lijdt aan "barren plateaus" (verdwijnende gradiënten) tijdens optimalisatie. Het vinden van aangeslagen toestanden vereist doorgaans straftermen om bijdragen van de grondtoestand te onderdrukken, wat de complexiteit en de kans op fouten verhoogt.
• Quantum Annealing: Vereist lange evolutietijden om adiabaticiteit te waarborgen en kampt met kleine energiekloven tussen de grondtoestand en aangeslagen toestanden.
• Imaginaire Tijdevolutie (ITE) & QITE: Hoewel veelbelovend, staat standaard ITE voor schaalbaarheidsproblemen bij het realiseren van niet-unitaire operatoren. Quantum ITE (QITE) vertrouwt vaak op variationale optimalisatie of straattermen voor aangeslagen toestanden, waardoor de uitdagingen van barren plateaus opnieuw worden geïntroduceerd en complexe ansatzes vereist zijn.
• Andere Methodes: Technieken zoals Quantum Filter Diagonalization (QFD) en Filtered Quantum Phase Estimation (FQPE) zijn sterk afhankelijk van specifieke referentietoestanden of geoptimaliseerde filterfuncties.

De auteurs identificeren een behoefte aan een volledig quantumalgoritme dat zowel grondtoestanden als aangeslagen toestanden kan vinden zonder straattermen, variationale stappen of hybride quantum-klassieke lussen, en zo barren plateaus vermijdt.

Methodologie

Het voorgestelde algoritme is een volledig quantum, straafvrije methode gebaseerd op stochastische bemonstering van een gemengde-toestand dichtheidsmatrix gecombineerd met toestand-gebaseerde simulatie.

1. Hamiltoniaan-decompositie en Dichtheidsmatrix-mapping

Het algoritme gaat ervan uit dat de doel-Hamiltoniaan $H$ kan worden ontbonden in twee oplosbare componenten, $H = h_1 + h_2$, waarbij de eigenwaarden ($\lambda^j_i$) en eigentoestanden ($|\psi^j_i\rangle$) van $h_1$ en $h_2$ bekend zijn en eenvoudig te prepareren.

• De auteurs verschuiven en herschalen de eigenwaarden van $h_1$ en $h_2$ om een geldige waarschijnlijkheidsverdeling te creëren.
• Zij construeren een gemengde-toestand dichtheidsmatrix $\rho$ die equivalent is aan de verschoven Hamiltoniaan:
  $$\rho = \frac{1}{C} (H + (c_1 + c_2)I) = \sum_{i,j} p^j_i |\psi^j_i\rangle\langle\psi^j_i|$$
  waarbij $p^j_i$ waarschijnlijkheden zijn die zijn afgeleid van de verschoven eigenwaarden. De eigentoestanden van $\rho$ zijn identiek aan die van $H$.

2. Stochastische Imaginaire Tijdevolutie (ITE) voor de Grondtoestand

Om de grondtoestand te vinden, voert het algoritme ITE uit op $\rho$ met behulp van stochastische bemonstering:

• Bemonstering: Bij elke tijdstap $\eta$ wordt een projector $P^j_i = |\psi^j_i\rangle\langle\psi^j_i|$ bemonsterd uit de verdeling $\{p^j_i\}$.
• Evolutie-operator: In plaats van de volledige niet-unitaire $e^{-\eta \rho}$ te implementeren, implementeert het algoritme de operator $I - \eta P^j_i$ voor de bemonsterde projector.
• Circuit-implementatie: Dit wordt bereikt via een gepost-selektie unitair circuit dat een ancilla-qubit omvat. De unitaire $U$ is een $n$-qubit gecontroleerde-SU(2)-poort. Als het systeem zich in de toestand bevindt die overeenkomt met de bemonsterde projector, ondergaat de ancilla een rotatie; anders blijft deze onveranderd. Het post-selecteren van de ancilla in de $|0\rangle$-toestand levert de gewenste $I - \eta P^j_i$-operatie op.
• Convergentie: Het herhalen van dit proces drijft het systeem naar de grondtoestand van $\rho$ (en dus $H$) zonder variationale optimalisatie.

3. Toestand-gebaseerde Simulatie voor Aangeslagen Toestanden

Om aangeslagen toestanden te vinden, moet het algoritme de bijdragen van reeds gevonden toestanden met lagere energie (bijv. de grondtoestand $P_g$) onderdrukken.

• Uitdaging: Het direct implementeren van projectoren voor sterk verstrengelde grondtoestanden is moeilijk.
• Oplossing: De auteurs maken gebruik van een toestand-gebaseerde simulatie protocol. Dit omvat een dubbel $n$-qubit systeem (ancilla) voorbereid in de bekende grondtoestand $P_g$, een controle-qubit en het primaire systeem.
• Mechanisme: Een gecontroleerde-SWAP-poort wordt toegepast tussen het primaire systeem en de ancilla, gekonditioneerd op de controle-qubit. Het meten van de controle-qubit in de $|+\rangle$-basis implementeert effectief de evolutie $e^{-\eta P_g}$ (benaderd als $I - \eta P_g$), waardoor de component van de grondtoestand wordt geprojecteerd.
• Opheffingsprocedure: Om de eerste aangeslagen toestand te vinden, wordt de waarschijnlijkheid om de projector van de grondtoestand te bemonsteren kunstmatig "opgeheven" (verhoogd) in de dichtheidsmatrixverdeling. Het algoritme voert vervolgens ITE uit op deze gewijzigde verdeling. Wanneer de projector van de grondtoestand wordt bemonsterd, wordt de toestand-gebaseerde simulatie gebruikt om deze eruit te filteren. Dit proces kan worden geïterreerd om hogere aangeslagen toestanden te vinden.

4. Variant voor Algemene Hamiltonianen

Voor Hamiltonianen die niet eenvoudig in twee oplosbare delen kunnen worden opgesplitst, stellen de auteurs een variant voor waarbij $H$ wordt behandeld als een lineaire combinatie van Pauli-operatoren ($H = \sum \alpha_i O_i$). Stochastische bemonstering wordt direct toegepast op deze Pauli-operatoren, met vergelijkbare circuit-implementaties voor de evolutiestappen.

Belangrijkste Resultaten

De auteurs hebben het algoritme gevalideerd met behulp van klassieke simulaties van het Transvers Field Ising Model (een 1D-keten met periodieke randvoorwaarden), dat dient als benchmark omdat het kan worden opgesplitst in oplosbare $Z$-basis- en $X$-basis-componenten.

• Grondtoestand (4-qubit systeem): Bereikte een fideliteit van 99,9% met de exacte grondtoestand.
• Aangeslagen toestanden (4-qubit systeem):
  • 1e aangeslagen toestand: 98,6% fideliteit.
  • 2e aangeslagen toestand: 96,8% fideliteit.
  • 3e aangeslagen toestand: 96,6% fideliteit.
• Schaalbaarheidstest (10-qubit systeem): Het algoritme vond succesvol de grondtoestand (98,6% fideliteit) en de eerste aangeslagen toestand (97,8% fideliteit). Het loste ook de derde laagste eigentoestand op (90,2% fideliteit), ondanks bijna-ontarting tussen de eerste twee toestanden.
• Pauli-variant: De variant met bemonstering van Pauli-operatoren toonde ook hoge fideliteiten (97,1%–99,5%) voor de eerste vier eigentoestanden in het 4-qubit geval.
• Ressourcenscaling: Theoretische analyse geeft aan dat het algoritme schaalt met $O(n)$ twee-qubit poorten per stap, een aanzienlijke verbetering ten opzichte van op Trotter gebaseerde ITE-methoden die schalen als $O(n^2)$.

Betekenis en Claims

Het artikel claimt een volledig quantumalgoritme te presenteren dat het probleem van eigentoestanden aanpakt zonder de nadelen van huidige hybride of variationale methoden:

1. Strafwrijvingsvrij: Het vindt aangeslagen toestanden zonder straattermen toe te voegen aan een verliesfunctie, waardoor de noodzaak voor complexe ansatzes en het risico op barren plateaus wordt vermeden.
2. Geen hybride stappen: Het elimineert de behoefte aan klassieke optimalisatielussen, waardoor het een puur quantum-procedure wordt.
3. Brede toepasbaarheid: De aanname dat $H$ kan worden opgesplitst in oplosbare delen wordt betoogd als niet-restrictief, waardoor het vele fysieke modellen en zelfs QMA-complete problemen bestrijkt.
4. Robuustheid: De methode demonstreert het vermogen om opeenvolgend meerdere laagliggende eigentoestanden te vinden, zelfs in systemen met bijna-ontarte energieniveaus.

De auteurs erkennen dat het algehele succespercentage afhankelijk is van post-selectie, wat een uitdaging kan zijn op huidige Noisy Intermediate-Scale Quantum (NISQ) apparaten vanwege poortfouten en decoherentie. Zij stellen echter dat de methode een concrete weg biedt voor het gebruik van quantumcircuits om klassiek onoplosbare eigentoestandsproblemen aan te pakken, en dient als een fundamentele toevoeging aan de quantum computationele toolbox.