Resource-efficient Quantum Algorithms for Selected Hamiltonian Subspace Diagonalization

Dit paper introduceert een resource-efficiënt QSCI-algoritme in het CIM-raamwerk met verbeterde qubit-schaalbaarheid en foutmitigatie, en stelt een hybride QSHCI-variant voor die de prestaties van klassieke heat-bath CI benadert door kwantumsampling te combineren met klassieke selectie.

De kern

Stel je voor dat je een gigantische, ingewikkelde puzzel probeert op te lossen: het berekenen van de energie van een molecuul. In de klassieke computergeschiedenis is dit als proberen elke mogelijke puzzelstukcombinatie één voor één te proberen. Bij grote moleculen (zoals stikstof of naftaleen) zijn er zoveel combinaties dat zelfs de snelste supercomputers van de wereld hiermee vastlopen. Het is als proberen elke ster in het heelal te tellen terwijl je op een fiets zit.

Quantumcomputers beloven hier een oplossing voor, maar ze zijn nog niet perfect. Ze zijn zoals een nieuwe, erg kwetsbare fiets: ze kunnen snel gaan, maar als je te hard trapt (te complexe berekeningen), valt de fiets uit elkaar door ruis en fouten.

Dit artikel introduceert een slimme nieuwe manier om deze "puzzel" op te lossen met deze kwetsbare quantumfietsen. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. De Slimme Map (De CIM-methode)

Eerder probeerden wetenschappers de puzzel op te lossen door alle mogelijke stukjes in een enorme, rommelige doos te gooien (de "Fock-ruimte"). Dit kostte veel ruimte en tijd.

De auteurs van dit artikel zeggen: "Wacht even, we hoeven niet alles in die doos te hebben!"
Ze gebruiken een nieuwe methode genaamd CIM (Configuratie-Interactie Matrix).

• De Analogie: Stel je voor dat je een bibliotheek hebt met miljoenen boeken. De oude methode was om alle boeken op de vloer te leggen en er eentje te zoeken. De nieuwe CIM-methode is als het hebben van een slimme catalogus die je precies vertelt welke boeken je nodig hebt.
• Het Voordeel: Hierdoor hebben ze veel minder "ruimte" (qubits) nodig. Het is alsof je in plaats van een hele bibliotheek alleen een klein, handig notitieblok nodig hebt om dezelfde informatie op te slaan.

2. De Gokker en de Filter (QSCI en Foutcorrectie)

De quantumcomputer is niet perfect; hij maakt soms fouten, alsof hij per ongeluk een verkeerd puzzelstukje kiest.

• De Gok: De computer "gokt" (via een proces dat lijkt op het gooien van dobbelstenen) welke puzzelstukjes belangrijk zijn.
• De Filter: Om te voorkomen dat de computer door een foutje een verkeerd stukje kiest, hebben de auteurs een slimme filter bedacht.
  • De Analogie: Stel je voor dat je een groep mensen vraagt om een foto te maken. Als iemand per ongeluk een verkeerde hoed opzet (een fout), kun je dat zien en die persoon uitsluiten. Ze hebben een extra "hoed" toegevoegd aan hun systeem. Als de hoed verkeerd zit, weten ze: "Ah, hier is een foutje gebeurd, deze meting tellen we niet mee." Dit kost maar één extra "hoed" (één extra qubit), maar het redt de hele foto.

3. De Snelle Korte Weg (qDRIFT)

Om de puzzelstukjes te vinden, moet de quantumcomputer een reis maken door de tijd. De oude methoden waren als een wandeling waarbij je elke steen op de grond moet tellen. Dat duurt te lang en de fiets (hardware) gaat stuk.

• De Oplossing: Ze gebruiken een methode genaamd qDRIFT.
  • De Analogie: In plaats van elke steen te tellen, nemen ze een snelle taxi die de belangrijkste plekken stopt. Ze negeren de kleine, onbelangrijke steentjes. Dit maakt de reis veel korter en sneller, zodat de quantumcomputer het kan volhouden zonder uit te vallen.

4. De Nieuwe Spelregels (QSHCI)

Ondanks al deze slimme trucjes, bleek dat hun quantummethode nog net niet zo goed was als de beste klassieke methode (HCI), die al jaren bestaat. De klassieke methode is als een ervaren detective die precies weet welke sporen hij moet volgen.

• De Verbetering: Ze hebben een hybride methode bedacht: QSHCI.
  • De Analogie: Ze laten de quantumcomputer de "detective" spelen, maar dan met een slimme, wiskundige filter erbij. In plaats van willekeurig te gokken, laat de quantumcomputer de detective weten welke sporen het meest waarschijnlijk zijn. Hierdoor komen ze uit op een resultaat dat net zo goed is als de beste klassieke detective, maar dan met veel minder moeite en ruimte.

Wat is het resultaat?

De auteurs hebben dit getest op twee moleculen: stikstof (N2) en naftaleen (een stof die vaak in rook en asfalt zit).

• De Winnaar: Hun nieuwe methode (CIM-QS(H)CI) haalt bijna dezelfde nauwkeurigheid als de beste bestaande methoden, maar gebruikt veel minder quantum-ruimte (minder qubits) en is sneller op de huidige, nog niet-perfecte computers.
• De Kreet: Het is alsof ze een racefiets hebben gebouwd die net zo snel is als een Formule 1-auto, maar die op een gewone fietspad kan rijden.

Kortom: Ze hebben een manier gevonden om quantumcomputers slim te gebruiken voor chemie, door minder ruimte te verspillen, fouten te filteren en de "reistijd" te verkorten. Dit is een grote stap richting het gebruik van quantumcomputers voor echte toepassingen, zoals het ontwerpen van nieuwe medicijnen of materialen, zonder dat we wachten tot de quantumcomputers perfect zijn.

Technische samenvatting

Titel: Resource-efficiënte kwantumalgoritmen voor geselecteerde Hamiltoniaansubruimte-diagonalisatie

Auteurs: Vincent Graves, Manqoba Q. Hlatshwayo, Theodoros Kapourniotis en Konstantinos Georgopoulos (Nationaal Kwantumrekencentrum, VK)
Datum: 16 maart 2026

---

1. Het Probleem

Kwantumchemie is een van de meest veelbelovende toepassingen voor kwantumcomputers, maar het berekenen van moleculaire energieën via exacte diagonalisatie wordt exponentieel inefficiënt naarmate het molecuul groter wordt (het "Hilbert-ruimte-probleem").

• NISQ-beperkingen: Bestaande variatie-algoritmen (zoals VQE) lijden onder "barren plateaus", gebrek aan ondergrenzen voor de energie en gevoeligheid voor ruis.
• Bestaande alternatieven: Stochastische methoden zoals Quantum Selected Configuration Interaction (QSCI) en Sample-based Quantum Diagonalization (SQD) zijn ontwikkeld om de Hamiltoniaan te verkleinen door alleen relevante elektronische configuraties te selecteren.
• De knelpunt: Huidige QSCI-algoritmen zijn geformuleerd in tweedekwantum (Fock-ruimte). Dit vereist een aantal qubits dat gelijk is aan het aantal orbitalen, wat leidt tot een inefficiënt gebruik van kwantumbronnen. Daarnaast missen ze vaak de optimalisatie die mogelijk is door symmetrieën in de eerste kwantisatie te benutten.

2. Methodologie

De auteurs introduceren een nieuw raamwerk genaamd CIM-QSCI (Configuration Interaction Matrix - Quantum Selected CI), gebaseerd op eerstekwantum.

Kerncomponenten van de methode:

1. CIM-framework (Eerstekwantum):

   • In plaats van Fock-basisstaten, wordt de probleemstelling gemodelleerd als een CI-matrix (CI-Matrix of CIM) opgebouwd uit Configuratie-Statiefuncties (CSF).
   • Qubit-efficiëntie: Het aantal benodigde qubits schaalt optimaal als $\lceil \log_2(N_{CSF}) \rceil$, waarbij $N_{CSF}$ de grootte van de CI-matrix is. Dit is significant lager dan het aantal orbitalen in tweedekwantum.
   • Symmetrie: Door het gebruik van puntgroepen (bijv. $D_{2h}$ voor $N_2$) kunnen irrelevante CSF's al bij de constructie van de Hamiltoniaan worden verwijderd.

2. Decompositie via FWHT:

   • De CI-matrix wordt omgezet in een som van Pauli-strings (een qubit-Hamiltoniaan) met behulp van de Fast Walsh-Hadamard Transform (FWHT).
   • Dit gebeurt in enkelvoudige precisie (single-precision), wat het geheugengebruik halveert ten opzichte van de standaard dubbele precisie, zonder verlies aan nauwkeurigheid voor de uiteindelijke subruimte.

3. Geraamde Evolutie (Approximate Trotterization):

   • Om de diepte van de kwantumcircuits te beperken (essentieel voor NISQ-apparaten), wordt een stochastische benadering van de Trotter-evolutie gebruikt, gebaseerd op qDRIFT.
   • Termen met een kleine coefficient in de Hamiltoniaan worden probabilistisch weggelaten. De evolutie wordt meerdere keren herhaald ($r$) om de nauwkeurigheid te compenseren.

4. Foutmitigatie (Single-bit flip):

   • Een nieuwe foutmitigatie-scheme wordt geïntroduceerd die één extra qubit toevoegt.
   • Door de bitstrings zodanig te coderen dat de som van de bits altijd even/oneven is, kunnen fysiek onmogelijke toestanden (veroorzaakt door een enkele bit-flip) worden geïdentificeerd en verwijderd (post-selectie).
   • Een innovatief aspect is het "herstellen" van niet-fysieke bitstrings door ze toe te wijzen aan de dichtstbijzijnde fysieke toestand, waardoor minder meetresultaten worden weggegooid.

5. Post-processing: QSHCI:

   • De auteurs introduceren Quantum Selected Heat-bath CI (QSHCI). Dit vervangt de klassieke heat-bath sampling door kwantumsampling.
   • In plaats van een vaste tolerantie ($\epsilon$) te gebruiken om configuraties toe te voegen aan de subruimte, wordt een acceptatiecriterium gebruikt dat gebaseerd is op de gemeten waarschijnlijkheidsverdeling van de configuraties op de kwantumcomputer.

3. Belangrijkste Bijdragen

• Eerste CIM-QSCI algoritme: Het is het eerste QSCI-algoritme dat volledig in het CI-matrix-raamwerk (eerstekwantum) is ontwikkeld, wat leidt tot optimale qubit-schaling.
• Resource-efficiëntie: De methode vereist aanzienlijk minder qubits en circuits die dieper zijn dan traditionele tweedekwantum-methoden, terwijl de nauwkeurigheid behouden blijft.
• Nieuwe Foutmitigatie: Een kosteneffectieve single-bit flip mitigeringsstrategie die specifiek is ontworpen voor het CIM-framework.
• QSHCI Variatie: Een hybride aanpak die de kracht van klassieke Heat-bath CI combineert met kwantumsampling, wat resulteert in kleinere subruimte-Hamiltoniaans en betere prestaties dan standaard QSCI.

4. Resultaten

De algoritmen werden getest op twee moleculen: Stikstof ($N_2$) (bond stretch) en Naftaleen (een polycyclisch aromatisch koolwaterstof).

• $N_2$ (Bond Stretch):

  • De CIM-QSCI resultaten op een emulator en op kwantumhardware (Rigetti Ankaa-3) lieten een vergelijkbare nauwkeurigheid zien als de beste SQD-methoden, maar met veel minder kwantumbronnen.
  • De methode presteerde beter dan CCSD (Coupled Cluster) bij grote afstanden waar CCSD faalt.
  • Beperking: De prestaties van CIM-QSCI en SQD konden de klassieke Heat-bath CI (HCI) methode niet evenaren in nauwkeurigheid voor dezelfde taak. HCI bleek efficiëntere determinanten te selecteren.

• Naftaleen:

  • CIM-QSCI bereikte vergelijkbare nauwkeurigheid als SqDRIFT en LUCJ-SQD, maar vereiste veel minder circuits (5x minder dan SqDRIFT voor vergelijkbare nauwkeurigheid) en minder qubits.
  • CIM-QSHCI presteerde hier het best: het evenaarde de nauwkeurigheid van de klassieke HCI-methode en overtrof alle andere kwantummethoden (QSCI, SQD) in termen van de grootte van de benodigde subruimte.

• Hardware Uitdagingen:

  • Voor de diepere circuits op hardware werd een circuitcompressie (transpilation) met een benaderingsgraad (AD) van 0.5 gebruikt. Dit bleek de fouten te verminderen door de circuitdiepte te verkorten, wat de resultaten op het echte apparaat verbeterde.

5. Betekenis en Toekomstperspectief

• Kwantumvoordeel: De grootste potentie voor een kwantumvoordeel ligt in het geheugengebruik. Omdat de CI-matrix in enkelvoudige precisie kan worden opgeslagen en de qubit-schaling logaritmisch is, kunnen grotere problemen worden aangepakt dan met klassieke methoden mogelijk is.
• NISQ-geschikt: De combinatie van qDRIFT, foutmitigatie en lage qubit-eisen maakt dit een ideale kandidaat voor huidige en nabije toekomstige kwantumhardware.
• Verbetering van QSHCI: Hoewel QSHCI al dicht bij klassieke HCI komt, is er nog ruimte voor verbetering in de selectiestrategie van determinanten om de klassieke methode volledig te overtreffen.
• Preprocessing Kosten: Een huidige nadeel is de klassieke preprocessing-kost ($O(N^2 \log N)$) voor het construeren van de CIM en de Pauli-decompositie. De auteurs suggereren dat efficiëntere toegangsmodellen voor de Hamiltoniaan dit in de toekomst kunnen verbeteren.

Conclusie:
Dit werk presenteert een doorbraak in de efficiëntie van QSCI-algoritmen door over te stappen naar een eerste-kwantum CI-matrix representatie. Hoewel klassieke HCI nog steeds de gouden standaard is voor nauwkeurigheid, biedt CIM-QSHCI een zeer veelbelovende hybride route die kwantumsampling gebruikt om klassieke prestaties te benaderen met aanzienlijk minder kwantumresources.