Two-Qubit Implementation of QAOA for MAX-CUT on an NV-Center Quantum Processor

Deze paper beschrijft een proof-of-principle-implementatie van de Quantum Approximate Optimization Algorithm (QAOA) voor het MAX-CUT-probleem op een NV-centrum quantumprocessor die bij kamertemperatuur werkt, waarbij gebruik wordt gemaakt van een twee-qubit register en een niet-projectieve optische uitlezing om de variabele kostenlandschappen te reconstrueren.

De kern

Deel 1: De Kern van het verhaal

Stel je voor dat je een enorme labyrint hebt en je wilt de kortste weg vinden. In de wereld van computers is dit een heel lastig probleem, vooral als je te maken hebt met duizenden vertakkingen. Dit noemen wetenschappers een "combinatorisch optimalisatieprobleem". Een beroemd voorbeeld is het MAX-CUT probleem: stel je een groep mensen voor die je in twee teams wilt verdelen, zodat de meeste ruzies (of verbindingen) tussen de twee teams plaatsvinden in plaats van binnen één team.

Deze auteurs hebben een experiment gedaan om te laten zien hoe een kwantumcomputer kan helpen bij het vinden van de beste oplossing voor zo'n probleem. Ze gebruikten een heel klein, simpel voorbeeld (alleen twee mensen/vertices), maar het is een belangrijke stap voor de toekomst.

Deel 2: De "Magische Diamant" (De Hardware)

In plaats van een enorme, koude supercomputer (zoals die van Google of IBM) te gebruiken, hebben ze gekozen voor iets heel anders: een diamant.

• De Diamant: Normaal gesproken is een diamant gewoon een steen. Maar in deze steen zit een klein defect: een stikstofatoom waar een koolstofatoom ontbreekt. Dit noemen ze een NV-centrum.
• De Spins als Qubits: In deze diamant zitten twee kleine "magneetjes" die kunnen draaien:
  1. Een elektron (een heel klein deeltje).
  2. Een stikstofkern (het hart van het stikstofatoom).
     Deze twee fungeren als de twee "bits" (qubits) van hun kwantumcomputer.
• De Koudheid: Het coolste deel? Dit werkt op kamertemperatuur. Je hoeft geen ijskoude vloeibare stikstof te gebruiken. Je kunt de diamant gewoon op je bureau leggen en er met laserlicht en radiogolven op sturen.

Deel 3: De QAOA (De "Slimme Zoeker")

Hoe vinden ze de oplossing? Ze gebruiken een algoritme genaamd QAOA (Quantum Approximate Optimization Algorithm).

• De Analogie: Stel je voor dat je in een donkere berglandschap loopt en je wilt het laagste punt vinden (de beste oplossing).
  • Een gewone computer zou elke stap één voor één proberen.
  • De QAOA is als een slimme wandelaar die een beetje "waggelt" (variabele parameters) om te voelen waar het dal is. Hij probeert een route, kijkt hoe diep hij is, past zijn stappen aan, en probeert het opnieuw.
• Het Experiment: De auteurs hebben deze "wandelaar" geprogrammeerd in de diamant. Ze stuurden microgolf- en radiogolven om de spins te laten draaien en te "verstrengelen" (zodat ze als één team werken).

Deel 4: Het Lezen van de Resultaten (De Lastige Deel)

Hier wordt het interessant. Bij een normale computer lees je een bit en zie je direct een 0 of een 1. Bij deze diamant is het lastiger:

• De Fluorescentie: Als je op de diamant schijnt met een groene laser, gaat hij rood licht geven (fluoresceren). Hoe helderder het licht, hoe meer "0" je hebt; hoe donkerder, hoe meer "1".
• Het Probleem: Je kunt niet met één flits zien of het nu een 0 of een 1 is. Het is alsof je in een mistige kamer probeert te raden of er een wit of zwart kussen ligt door er kort op te schijnen. Je ziet alleen een vaag lichtje.
• De Oplossing: Ze deden het experiment 300.000 keer. Door al die lichtmetingen bij elkaar op te tellen en te middelen, konden ze wiskundig reconstrueren wat de kans was dat de computer een 0 of een 1 had. Het is alsof je door duizenden wazige foto's te nemen, uiteindelijk een scherp beeld kunt maken van wat er echt was.

Deel 5: Wat vonden ze?

• Het Resultaat: De "wandelaar" (QAOA) in de diamant vond een landschap dat er heel erg op leek als het landschap dat je in een perfecte, theoretische simulatie zou zien.
• De Ruwheid: Het landschap was niet perfect glad. Er waren wat ruis en onnauwkeurigheden (zoals een trillende hand bij het tekenen). Dit kwam door kleine foutjes in de controle en het feit dat de kwantumtoestand niet eeuwig stabiel blijft.
• De Conclusie: Ondanks de ruis, werkt het! Ze hebben bewezen dat je dit soort slimme zoekalgoritmen kunt draaien op een diamant op kamertemperatuur.

Samenvattend in één zin:
De auteurs hebben bewezen dat je met een stukje diamant op je bureau, bestuurd door laserlicht en radiogolven, een slimme kwantumcomputer kunt bouwen die complexe puzzels kan oplossen, zelfs als je niet perfect kunt "aflezen" wat er gebeurt, zolang je maar vaak genoeg probeert.

Waarom is dit belangrijk?
Het is een eerste stap (een "proof-of-principle"). Het laat zien dat we in de toekomst misschien geen enorme, dure koelkasten meer nodig hebben voor kwantumcomputers, maar misschien gewoon diamantjes die op een chip werken. Het is de basis voor de volgende generatie slimme computers die ons helpen bij het oplossen van de moeilijkste problemen in de wereld.

Technische samenvatting

Titel: Twee-qubit implementatie van QAOA voor MAX-CUT op een NV-centrum quantumprocessor

1. Probleemstelling en Context

Het artikel richt zich op de uitvoering van het Quantum Approximate Optimization Algorithm (QAOA) voor het oplossen van het MAX-CUT probleem, een klassiek NP-hard combinatorisch optimalisatieprobleem.

• Context: In het huidige tijdperk van Noisy Intermediate-Scale Quantum (NISQ) apparaten, waar diepe fouttolerante circuits nog niet haalbaar zijn, zijn variatiele quantumalgoritmen een veelbelovende aanpak.
• Specifiek probleem: De auteurs willen de haalbaarheid van QAOA op kamertemperatuur testen. De meeste huidige quantumprocessors vereisen extreme koeling, maar stikstof-leegte (NV) centra in diamant kunnen bij kamertemperatuur werken.
• Doel: Een "proof-of-principle" implementatie van de kleinste niet-triviale instantie van MAX-CUT (een graaf met twee knopen) op een twee-qubit register gebaseerd op een enkel NV-centrum.

2. Methodologie

A. Hardware en Qubit-Implementatie

• Platform: Een enkel NV-centrum in diamant bij kamertemperatuur (27,5°C).
• Qubits: Het register bestaat uit twee qubits:
  1. De elektron-spin ($e^-$) van het NV-centrum.
  2. De kern-spin van het stikstof-14 ($^{14}\text{N}$) atoom.
• Subruimtes: De fysieke spin-1 systemen worden beperkt tot twee-niveau subruimtes om een effectieve twee-qubit register te vormen:
  • $|00\rangle \equiv |m_s=0, m_I=+1\rangle$
  • $|01\rangle \equiv |m_s=0, m_I=0\rangle$
  • $|10\rangle \equiv |m_s=-1, m_I=+1\rangle$
  • $|11\rangle \equiv |m_s=-1, m_I=0\rangle$
• Controle: Microgolfpulsen besturen de elektron-spin, terwijl radiofrequente (RF) pulsen, afhankelijk van de elektron-spin toestand, de kern-spin besturen.

B. QAOA Formulering

• Probleem: Voor een graaf met twee knopen en één rand wordt de MAX-CUT kostenfunctie geminimaliseerd (wat equivalent is aan maximalisatie van de snijwaarde).
• Hamiltoniaan: De kosten-Hamiltoniaan $H_C$ wordt gedefinieerd als $H_C = -\frac{1}{2}(I - Z_1 Z_2)$.
• Circuit (p=1): Het algoritme gebruikt één laag (p=1) met variatiele parameters $\gamma$ en $\beta$.
  • Initiële toestand: Uniforme superpositie $|+\rangle^{\otimes 2}$ bereid via Hadamard-poorten.
  • Cost Unitary ($U_C$): Gerealiseerd als een $R_{ZZ}(\gamma)$ poort, gedecomposeerd in native operaties: CNOT - $R_Z(\gamma)$ - CNOT.
  • Mixing Unitary ($U_B$): Gerealiseerd als $R_X(2\beta)$ op beide qubits.

C. Meetprotocol en Populatiereconstructie
Een cruciaal technisch obstakel is dat de optische uitlezing van NV-centra niet projectief is in de computationele basis; men kan niet direct meten of de toestand $|00\rangle$ of $|01\rangle$ is op basis van één enkele meting.

• Oplossing: De auteurs meten de gemiddelde fluorescentie-intensiteit (fotonentelling) over vele "shots" ($N = 3 \times 10^5$).
• Reconstructie: Om de populaties ($\langle P_s \rangle$) te reconstrueren, voeren ze vier metingen uit voor elke parametercombinatie:
  1. Directe meting van de toestand $U|00\rangle$.
  2. Meting na toepassing van $X_1$ (bit-flip op qubit 1).
  3. Meting na toepassing van $X_2$ (bit-flip op qubit 2).
  4. Meting na toepassing van $X_1 X_2$.
• Berekening: De populaties worden verkregen via een lineaire inversie (Walsh-Hadamard transformatie) van deze vier gemiddelde intensiteiten. Dit stelt hen in staat de verwachte kosten $F(\beta, \gamma)$ te berekenen zonder volledige kwantumtoestandstomografie.

3. Belangrijkste Resultaten

• Kostlandschap: De auteurs hebben het experimentele kostlandschap ($F(\beta, \gamma)$) in kaart gebracht door een grid-search uit te voeren over de parameters $\beta$ en $\gamma$.
• Vergelijking met simulatie:
  • Het experimentele landschap behoudt de belangrijkste structurele kenmerken van de ideale, ruisvrije simulatie (bijv. de locaties van minima en maxima).
  • De variatiele afhankelijkheid is duidelijk opgelost, wat betekent dat een klassieke optimizer theoretisch in staat zou zijn om de optimale parameters te vinden.
• Foutanalyse:
  • De gemiddelde afwijking tussen het experiment en de simulatie bedraagt 12,3%.
  • De grootste afwijkingen treden op bij grotere $\beta$-waarden. Dit wordt toegeschreven aan de implementatie van de mixing-laag via gedreven rotaties, die gevoeliger zijn voor kalibratiefouten en decoherentie.
  • De afhankelijkheid van $\gamma$ is zwakker, wat consistent is met het feit dat $Z$-rotaties virtueel worden geïmplementeerd (geen fysieke pulsen, alleen fase-aanpassing).
• Convergentie: De reconstructie van de populaties convergeert stabiel na ongeveer $10^5$ shots, met een totale som van de populaties die dicht bij 1 blijft (0,989).

4. Bijdragen en Significantie

• Eerste van zijn soort: Dit is een van de eerste demonstraties van QAOA voor combinatorische optimalisatie op een kamertemperatuur quantumprocessor.
• Validatie van het platform: Het bewijst dat NV-centra in diamant geschikt zijn voor variatiele quantumalgoritmen, ondanks de beperkingen in uitleesbaarheid en coherentie.
• Methodologische innovatie: Het artikel introduceert een robuuste methode om computationele populaties te reconstrueren uit niet-projectieve optische signalen, wat essentieel is voor het gebruik van NV-centra in variatiele algoritmen.
• Basislijn voor de toekomst: De resultaten stellen een benchmark vast voor toekomstige verbeteringen. De auteurs identificeren de volgende stappen:
  • Verbeterde fase-tracking om ongewenste faseaccumulatie te compenseren.
  • Verfijnde kalibratie en leesmodellen.
  • Bescherming van coherentie tijdens lange conditionele poorten.
  • Schaalbaarheid naar grotere grafen door koppeling met $^{13}\text{C}$ kernspins of het gebruik van circuit cutting.

Conclusie: Het werk toont aan dat de kerncomponenten van QAOA (variabele circuits, klassieke optimalisatie en kostevaluatie) realiseerbaar zijn op een NV-centrum platform, en legt de basis voor het opschalen van deze technologie naar complexere optimalisatieproblemen.