A Quantum Algorithm with Polylogarithmic Depth per Trotter Step for the Extended Hubbard Model

Technische Samenvatting: Q2FMM voor het Uitgebreide Hubbard-model

Probleemstelling
De simulatie van het uitgebreide Fermi-Hubbard-model op een twee-dimensionaal rooster vormt een centrale uitdaging in quantum computing, met name voor gecondenseerde materie en sterk gecorreleerde elektronische structuren. Hoewel lokale termen (hopping en on-site interacties) efficiënt gesimuleerd kunnen worden met constante of laag-diepte circuits, vormt de inclusie van langafstands Coulomb-interacties een significante bottleneck. Deze interacties genereren $O(N^2)$ termen (waarbij $N$ het aantal roosterplaatsen is), wat leidt tot diepe quantumcircuits. Standaard benaderingen, zoals fermionische SWAP-netwerken, resulteren in een circuitdiepte per Trotter-stap die schaalt als $O(N)$. Truncatie-strategieën zijn vaak ineffectief voor Coulomb-potentialen vanwege hun trage $1/r$ verval, wat grote afkapradii vereist om de nauwkeurigheid te handhaven.

Methodologie: Het Q2FMM-algoritme
De auteurs stellen Q2FMM voor, een quantumalgoritme geïnspireerd door de klassieke Fast Multipole Method (FMM) om de tijdsontwikkeling van het uitgebreide Hubbard-model binnen de Trotter-productformule te simuleren. De kernmethodologie houdt in dat directe site-site interacties worden vervangen door interacties tussen hiërarchische, grofmazige "boxen" over meerdere lengteschalen.

1. Hiërarchische Structuur: Het algoritme organiseert het 2D-rooster in een quadtree-structuur. Het maakt onderscheid tussen "near-field" interacties (die direct op het fijnste niveau worden afgehandeld) en "far-field" interacties (benaderd via multipool-expansies).
2. Multipool-expansies:
   • 0de-orde Q2FMM: Gebruikt een vereenvoudigde benadering waarbij verre boxen interageren op basis van hun totale bezettingsgetallen ($N_A N_B$).
   • Hogere-orde Q2FMM: Verfijnt de nauwkeurigheid door multipool-coëfficiënten ($M_{\ell m}$) te behouden in plaats van enkel de totale bezettingsgetallen. Dit maakt een systematische afweging mogelijk tussen nauwkeurigheid en computationele kosten via een truncatie-orde $p$.
3. Quantumcircuit Ontwerp:
   • Compute Fase: Het algoritme procedureert van het fijnste niveau (individuele sites) naar het grofste niveau. Op elk niveau wordt informatie van kind-boxen naar ouder-boxen geaggregeerd met behulp van quantum-adders. Voor hogere-orde versies omvat dit het vertalen en sommeren van multipool-coëfficiënten.
   • Fase Toepassing: De interactie-energie voor box-paren wordt berekend met behulp van quantum-multipliers om producten van bezettingsgetallen of multipool-termen te berekenen. De resulterende fase wordt toegepast via single-qubit fase-gates.
   • Uncompute Fase: Om de accumulatie van "garbage states" en ongewenste verstrengeling te voorkomen, hanteert het algoritme een reversibele "uncompute" fase. Deze keert de aggregatiestappen om (het deconstrueren van ouder-informatie terug naar kind-informatie) nadat de fase is geïmprinted, waardoor wordt gewaarborgd dat het systeem terugkeert naar een schone staat terwijl de dynamische fase behouden blijft.
4. Optimalisaties: Het artikel bespreekt optionele optimalisaties met behulp van COPY operaties (transversale CNOTs) om fase-berekeningen te paralleliseren en unbounded fan-out gates om de diepte van aritmetische circuits te reduceren tot $O(\log^* n)$, hoewel de primaire schalingsanalyse steunt op standaard reversibele circuits.

Belangrijkste Resultaten en Complexiteit
Het resulterende quantumcircuit bereikt de volgende schalingseigenschappen per Trotter-stap en voor de totale simulatietijd $t$ met fout $\epsilon$:

• Circuitdiepte: De diepte per Trotter-stap schaalt polylogaritmisch met de systeemgrootte $N$. Specifiek schaalt het als $O(\log N \cdot \log Q)$, waarbij $Q$ het aantal elektronen is.
• Gate Complexiteit: De gate-complexiteit per Trotter-stap schaalt quasi-lineair met de systeemgrootte, aangeduid als $\tilde{O}(N)$.
• Totale Complexiteit: Rekening houdend met het aantal benodigde Trotter-stappen om tijd $t$ te simuleren met fout $\epsilon$, schaalt de totale circuitdiepte als $\tilde{O}(N^{1/2} t^{3/2} / \epsilon^{1/2})$, en de totale gate-complexiteit schaalt als $\tilde{O}(N^{3/2} t^{3/2} / \epsilon^{1/2})$.
• Ancilla Qubits: Het algoritme vereist een aantal ancilla-qubits dat quasi-lineair schaalt met de systeemgrootte, $\tilde{O}(N)$.

Betekenis en Claims
Het artikel claimt dat Q2FMM een significant voordeel biedt ten opzichte van bestaande methoden voor het simuleren van langafstandsinteracties in grote systemen.

• Vergelijking met Interactie-beeld: De auteurs vergelijken Q2FMM met de interactie-beeld methode (Low en Wiebe, Ref. [82]), die een gate-complexiteit heeft van $\tilde{O}(N^2 t)$. Q2FMM wordt voordelig in het grote-systeem-regime (grote $N$), terwijl de interactie-beeld methode gunstiger is voor lange-tijd, hoge-precisie simulaties (grote $t$, kleine $\epsilon$). Het kantelpunt wordt geschat op $N \sim \tilde{O}(t/\epsilon)$.
• Hardware Geschiktheid: De auteurs suggereren dat Q2FMM bijzonder goed geschikt is voor twee-dimensionale neutrale-atoom quantumcomputers, die van nature ondersteuning bieden voor het verplaatsen van atomen (atom shuttling) en langafstands entangling gates. Het is ook compatibel met surface-code architecturen waar langafstandsoperaties in constante diepte gerealiseerd kunnen worden.
• Generaliteit: Hoewel gedemonstreerd op het uitgebreide Hubbard-model, wordt het framework gepresenteerd als toepasbaar op andere kernels (bijv. Yukawa, Helmholtz) en potentieel op ab initio moleculaire Hamiltonia die gediscretiseerd zijn op real-space grids.

Onderscheid van Gerelateerd Werk
De auteurs onderscheiden Q2FMM van recente FMM-gebaseerde benaderingen voor moleculaire Hamiltonia (bijv. Berry et al., Ref. [80]). In die werken bevindt de quantumtoestand zich in de eerste kwantisatie, wat complexe sortering van elektronen in ruimtelijke boxen vereist op basis van quantumpositiegegevens. In tegenstelling hiertoe opereert Q2FMM op een rooster waar qubits vooraf zijn gerangschikt op basis van hun ruimtelijke positie (tweede kwantisatie), wat de noodzaak voor quantum-datamobiliteit op basis van positie elimineert. Bijgevolg richt Q2FMM zich op het efficiënte hiërarchische hergebruik van tussenresultaten en het beheer van garbage states door middel van uncomputing.