Utility-Scale Quantum State Preparation: Classical Training using Pauli Path Simulation

Probleemstelling

Het voorbereiden van grondtoestanden (ground states) van kwantum-many-body systemen is een essentiële voorwaarde voor veel toepassingen op kwantumcomputers, zoals het simuleren van quench-dynamica of verstrooiingsprocessen. Variatiekwantumalgoritmen (VQA's) zijn een veelbelovende aanpak voor dit doel op huidige, ruizige middenschalige kwantumapparaten (NISQ). Echter, het uitvoeren van VQA's op hardware is resource-intensief en kostbaar, omdat de kosten en het tijdsverloop voor het evalueren van de kostenfunctie en de gradiënt exponentieel stijgen met het aantal parameters.

Traditionele klassieke simulatiemethoden hebben hun eigen beperkingen:

• Exacte toestandsvectoren: Beperkt tot kleine systemen (ongeveer 40-50 qubits).
• Tensor-netwerken (zoals DMRG): Effectief voor 1D-systemen of systemen met lage verstrengeling, maar worden inefficiënt in hogere dimensies of bij sterke verstrengeling.
• Kwantum Monte Carlo: Lijdt vaak aan het "sign-probleem" bij fermionische systemen of bepaalde interacties.

Er is een behoefte aan methoden die klassiek kunnen trainen voor systemen in de "utility scale" (rond de 100 qubits), waar exacte simulatie onmogelijk is, maar waar klassieke methoden zoals DMRG mogelijk nog niet optimaal presteren of geen kwantumcircuits genereren.

Methodologie

De auteurs introduceren een hybride aanpak waarbij Pauli Path Simulation (PPS), specifiek met coëfficiënt-truncatie, wordt gebruikt om VQA's klassiek te trainen voordat ze op kwantumhardware worden uitgevoerd.

1. Pauli Path Simulation (PPS):

   • In plaats van de toestand in de Schrödinger-beeld te evolueren, evolueert PPS de observabelen in het Heisenberg-beeld.
   • De observabele wordt uitgebreid in een basis van Pauli-snaren (Pauli strings).
   • Truncatie: Om de exponentiële complexiteit te beheersen, worden termen met coëfficiënten onder een bepaalde drempelwaarde ($\delta_c$) verwijderd. Dit reduceert de rekenkosten aanzienlijk terwijl de verwachtingswaarden nauwkeurig blijven, vooral voor circuits met lage diepte of die dicht bij Clifford-circuits liggen.

2. Variatiekwantumalgoritme (VQA) Training:

   • De auteurs gebruiken een Hamiltonian Variational Ansatz (gebaseerd op de adiabatische evolutie van het Hamiltoniaan).
   • De parameters van het circuit worden geoptimaliseerd om de energie (verwachtingswaarde van de Hamiltoniaan) te minimaliseren.
   • Voor de optimalisatie wordt een combinatie gebruikt van Simultaneous Perturbation Stochastic Approximation (SPSA) en ADAM. SPSA schat de gradiënt met slechts twee evaluaties van de kostenfunctie, onafhankelijk van het aantal parameters, wat essentieel is voor grote systemen.

3. Hybride Workflow:

   • De parameters worden klassiek geoptimaliseerd met PPS.
   • Deze geoptimaliseerde parameters worden vervolgens gebruikt als "warm start" of directe instructies voor het uitvoeren van het circuit op een echte kwantumcomputer (Quantinuum H2).

Belangrijkste Bijdragen

• Utility-Scale Simulatie: Het succesvol toepassen van PPS op systemen met 100 of meer qubits, een schaal die buiten bereik ligt voor exacte toestandsvectoren.
• Klassieke Training voor Kwantum Hardware: Het demonstreren dat klassieke simulatie (PPS) kan worden gebruikt om hoogwaardige circuits te trainen die vervolgens op kwantumhardware worden uitgevoerd, waardoor de belasting op de kwantumcomputer wordt verminderd.
• Benchmarking tegen DMRG: Het vergelijken van PPS-resultaten met DMRG (Density Matrix Renormalization Group) en exacte oplossingen, waarbij PPS in sommige gevallen zelfs betere resultaten oplevert dan DMRG.
• Hardware Validatie: Het succesvol implementeren van de gegenereerde circuits op de Quantinuum System Model H2 kwantumcomputer voor een 48-qubit systeem.

Resultaten

De methode werd getest op drie modellen:

1. 1D en 2D Kwantum Ising Model:

   • 1D (100 qubits): De relatieve energie-error bleef onder de 0,5% vergeleken met exacte oplossingen en DMRG. De magnetisatie in de x- en z-richting stemde goed overeen, behalve dicht bij het kritieke punt waar de verstrengeling toeneemt.
   • 2D (Vierkant rooster, 100 qubits): Goede overeenkomst met DMRG (error < 0,25%).
   • 2D (Heavy-hex rooster, 127 qubits): Opmerkelijk genoeg leverde de PPS-variatiestaat in een breed parameterbereik lagere variatie-energieën op dan de DMRG-benchmarks (met een bond-dimensie van $\chi=500$). Dit suggereert dat PPS een krachtige klassieke numerieke methode kan zijn die DMRG kan overtreffen in bepaalde regimes.

2. Kitaev Honeycomb Model:

   • Energie: Voor een 100-qubit systeem (gaten en gapless regimes) bleef de relatieve energie-error onder de 0,5% in de gatenfase.
   • Topologische Eigenschappen: De auteurs berekenden de topologische verstrengelingsentropie ($S_{topo}$) en vonden een waarde dicht bij de theoretische waarde van -1 voor de gatenfase, wat de kwaliteit van de variatiestaat bevestigt.
   • Hardware Experiment (48 qubits): Op de Quantinuum H2 computer werden benaderende grondtoestanden voorbereid zonder foutenmitigatie.
     • De relatieve energie-error was ongeveer 5%.
     • Anyon-braidings: De auteurs demonstreerden het "vlechten" (braiding) van Abelse anyonen (e, m, en $\psi$) op de gegenereerde toestanden. De gemeten braidingsstatistieken kwamen sterk overeen met de theoretische verwachtingen (fase van -1), zelfs buiten het vaste-punt regime. Dit bevestigt dat de op de hardware voorbereide toestanden de verwachte topologische eigenschappen behouden.

Betekenis en Conclusie

Dit werk markeert een belangrijke stap in de ontwikkeling van "utility-scale" kwantumsimulatie:

1. Brug tussen Klassiek en Kwantum: Het toont aan dat klassieke simulaties (PPS) kunnen dienen als een effectieve "warm start" voor VQA's op hardware. Dit verlaagt de runtime en resource-eisen op kwantumcomputers aanzienlijk.
2. Nieuwe Klassieke Methode: PPS fungeert niet alleen als een hulpmiddel voor hardware, maar ook als een zelfstandige, "quantum-inspired" klassieke numerieke methode voor gecondenseerde materie en kwantumchemie, die mogelijk beter presteert dan DMRG in hogere dimensies en problemen met het sign-probleem aankan.
3. Topologische Validatie: Het succesvol demonstreren van anyon-braiding op een echte kwantumcomputer voor een variatiestaat (en niet alleen voor een exact opgelost model) is een significant bewijs van de kwaliteit van de voorbereide toestanden en de potentieel van de hardware.
4. Toekomstperspectief: Hoewel de methode uitdagingen kent bij kritieke punten (gapless regimes) vanwege de complexiteit van de optimalisatie, biedt het een robuust kader voor het voorbereiden van grondtoestanden. De auteurs suggereren dat deze methode de lat kan verhogen voor claims van "kwantumvoordeel", aangezien een kwantumapparaat nu moet aantonen dat het, ondanks ruis, een betere grondtoestand kan voorbereiden dan deze geavanceerde klassieke methoden.

Kortom, het artikel presenteert een krachtige hybride strategie die klassieke berekeningskracht maximaliseert om de beperkingen van huidige kwantumhardware te overbruggen, met succesvolle resultaten op schalen die voorheen onbereikbaar waren.