Qubit-efficient variational algorithm for nuclear structure

Dit artikel vergelijkt drie qubit-toewijzingsstrategieën binnen het Variational Quantum Eigensolver (VQE)-kader om de grondtoestanden van de $^{10}$B- en $^{12}$C-kernen te bestuderen, en toont aan dat de Slater-determinant (SD)-toewijzing de hoogste nauwkeurigheid op quantumhardware oplevert, terwijl de ladingsymmetrie-aangepaste (cSD)-toewijzing superieure qubit-efficiëntie biedt voor schaling naar complexe kernen.

De kern

Stel je voor dat je probeert een enorme, ongelooflijk complexe legpuzzel op te lossen. Deze puzzel vertegenwoordigt de "grondtoestand" (de meest stabiele, laagste-energetische rangschikking) van een atoomkern, specifiek voor elementen zoals Boor-10 en Koolstof-12. In de wereld van de natuurkunde is het uitzoeken hoe deze kleine deeltjes zich rangschikken, net als het proberen om het ene perfecte plaatje te vinden tussen miljarden verkeerde mogelijkheden.

Traditioneel gebruiken wetenschappers krachtige klassieke computers om dit op te lossen, maar naarmate de puzzel groter wordt (meer deeltjes), explodeert het aantal mogelijke rangschikkingen zo snel dat zelfs de beste supercomputers vastlopen. Hier komt Quantum Computing om de hoek kijken. Het is alsof je een magische, nieuwe soort puzzeloplosser hebt die naar vele mogelijkheden tegelijkertijd kan kijken.

Dit artikel gaat over het testen van drie verschillende "strategieën" of "kaarten" om deze nucleaire puzzel te vertalen naar een taal die een quantumcomputer kan begrijpen. De onderzoekers gebruikten een methode genaamd VQE (Variational Quantum Eigensolver), wat in wezen een proces van trial-and-error is waarbij de computer zijn instellingen bijstelt totdat hij de beste oplossing vindt.

Hier is een uiteenzetting van de drie strategieën die ze testten, met behulp van eenvoudige analogieën:

De Drie Strategieën (Mappingen)

Stel je de "qubits" van de quantumcomputer (zijn basiseenheden van informatie) voor als stoelen in een bus. Het doel is om alle puzzelstukken (de nucleaire toestanden) efficiënt in de bus te krijgen.

1. De "Eén Stoel Per Stuk" Strategie (SD Mapping)

• Hoe het werkt: Stel je voor dat je 26 puzzelstukken hebt. Bij deze strategie wijs je één specifieke stoel in de bus toe aan elk enkel puzzelstuk. Als je 26 stukken hebt, heb je 26 stoelen nodig.
• De Voordelen: Het is zeer rechttoe rechtaan. De "regels" voor hoe de stukken met elkaar interageren zijn simpel, zodat de computer niet veel zwaar werk hoeft te doen om het antwoord te berekenen. Het is alsof je een zeer duidelijke, eenvoudige handleiding hebt.
• De Nadelen: Het gebruikt veel stoelen (qubits). Als je puzzel groter wordt, kun je de stoelen in de bus opraken.
• Het Resultaat: Bij testen op echte quantumhardware was deze methode het meest accuraat, met een afwijking van slechts 0,21% van het perfecte antwoord. Het was de meest betrouwbare renner.

2. De "Gesplitst Team" Strategie (pnSD Mapping)

• Hoe het werkt: Deze strategie probeert ruimte te besparen door de puzzel op te splitsen in twee teams: "Protonen" en "Neutronen". In plaats van elk enkel stuk een eigen stoel te geven, groepeert men ze. Voor de Boor-puzzel reduceerde dit de behoefte van 26 stoelen naar 20.
• De Voordelen: Het bespaart ruimte in de bus (minder qubits).
• De Nadelen: De instructies voor hoe deze teams met elkaar interageren worden ongelooflijk ingewikkeld en rommelig. De computer moet een enorm aantal complexe stappen (poorten) uitvoeren om het antwoord te vinden. Het is alsof je probeert een dans te coördineren tussen twee teams waarbij iedereen een zeer lang, verwarrend script moet volgen.
• Het Resultaat: Omdat de instructies zo complex waren en de hardware momenteel een beetje "ruis" vertoont (zoals een kamer met veel achtergrondgepraat), had deze methode de meeste moeite, met fouten rond de 8,88%.

3. De "Magische Compressie" Strategie (cSD Mapping)

• Hoe het werkt: Dit is de meest innovatieve aanpak. In plaats van elk stuk een stoel te geven, gebruikten de onderzoekers een slimme truc om de hele puzzel te "comprimeren". Ze namen de 26 stukken en persten ze in een formaat dat slechts 5 stoelen (qubits) nodig had.
• De Voordelen: Het is ongelooflijk efficiënt qua ruimte. Het stelde hen in staat een grotere, complexere puzzel (Koolstof-12) te bestuderen die met de andere twee methoden niet in de bus had gepast.
• De Nadelen: Omdat ze de puzzel zo strak persten, werd de "handleiding" zeer lang en complex. De computer moet veel meer knoppen (parameters) aanpassen om het juiste antwoord te vinden.
• Het Resultaat: Het presteerde redelijk goed (ongeveer 3,37% fout voor Boor en 6,82% voor Koolstof). Hoewel het niet zo accuraat was als de eerste methode, bewees het dat je veel grotere problemen kunt oplossen met zeer weinig middelen.

Het Experiment en Resultaten

De onderzoekers draaiden deze strategieën op twee soorten "testbanen":

1. Een Perfecte Simulator: Een ruisvrije computersimulatie waar alles perfect werkt.
2. Echte Quantumhardware: Ze gebruikten een echte quantumcomputer (IBM's ibm_fez) en een ruis-simulator die echte wereld-ongewenstigheden nabootst.

Belangrijkste Bevindingen:

• Ruis is de Vijand: Echte quantumcomputers zijn momenteel "ruisig", wat betekent dat ze kleine fouten maken. Hoe complexer de instructies (zoals bij de pnSD-strategie), hoe meer deze fouten zich opstapelen.
• Foutcorrectie: Ze gebruikten een techniek genaamd "Zero-Noise Extrapolation" (ZNE). Stel je voor dat je een wazige foto maakt, deze opnieuw maakt met de camera iets waziger, en vervolgens met wiskunde probeert te raden hoe de scherpe foto er zou hebben uitgezien. Dit hielp de resultaten op te schonen.
• De Winnaar: Voor de kleinere puzzel (Boor-10) was de "Eén Stoel Per Stuk" (SD) strategie de kampioen, die het antwoord bijna perfect kreeg, zelfs op echte hardware.
• De Toekomstige Hoop: De "Magische Compressie" (cSD) strategie toonde veel belofte. Hoewel het niet het meest accuraat was voor de kleine puzzel, bewees het dat we veel grotere, complexere kernen (zoals Koolstof-12) kunnen aanpakken zonder een bus met honderden stoelen nodig te hebben.

De Conclusie

Dit artikel is een "stress-test" voor verschillende manieren om met quantumcomputers te praten over atoomkernen.

• Als je maximale nauwkeurigheid wilt op dit moment voor kleine problemen, gebruik dan de rechttoe rechtaan SD mapping.
• Als je grotere, moeilijkere problemen wilt oplossen met beperkte quantummiddelen, dan is de cSD mapping het meest efficiënte hulpmiddel, zelfs als het complexere afstelling vereist.

De auteurs concluderen dat hoewel er nog geen enkele methode perfect is, de "Magische Compressie" (cSD) aanpak een veelbelovend pad vooruit is voor het oplossen van complexe problemen uit de nucleaire fysica op de quantumcomputers die we vandaag hebben.

Technische samenvatting

Technische Samenvatting: Kwantum-efficiënt variatiealgoritme voor nucleaire structuur

Probleemstelling
Het bestuderen van atoomkernen met het nucleaire schillenmodel staat voor een aanzienlijke computerechte knelpunt: de grootte van de Hilbertruimte groeit combinatorisch met het aantal nucleonen, waardoor veel systemen onberekenbaar zijn voor klassieke computers. Hoewel kwantumberekening een weg biedt om deze sterk verstrengelde toestanden efficiënt te simuleren, worden huidige Noisy Intermediate-Scale Quantum (NISQ)-apparaten beperkt door het aantal qubits en de diepte van de schakelingen. Eerdere werken van de auteurs toonden aan dat het direct mappen van veel-deeltjesconfiguraties naar qubits circuits met lage diepte kan opleveren, maar ten koste gaat van een groot aantal qubits, wat de schaalbaarheid beperkt. Dit werk adresseert de afweging tussen qubit-efficiëntie en circuitsdiepte door drie verschillende mappingsstrategieën te vergelijken voor het berekenen van nucleaire grondtoestanden met de Variational Quantum Eigensolver (VQE).

Methodologie
De auteurs onderzoeken de grondtoestanden van twee kernen in het midden van de p-schil, $^{10}\text{B}$ ($3^+$) en $^{12}\text{C}$ ($0^+$), met behulp van de CKpot-effectieve interactie. Ze vergelijken drie strategieën voor het mappen van de veel-deeltjesbasis (Slater-determinanten, SD's) naar de qubit-Hilbertruimte:

1. Slater-determinant (SD) Mapping: Elke van de $N_{SD}$ veel-deeltjestoestanden wordt gemapt naar een enkele qubit. Voor $^{10}\text{B}$ resulteert dit in een 26-qubitsysteem. De Hamiltoniaan wordt omgezet naar Pauli-strings waarbij elke qubit een volledige SD vertegenwoordigt, wat op natuurlijke wijze rekening houdt met antisymmetrie. Deze aanpak levert een eenvoudige, laag-diepte proefgolfoplossing op, maar vereist het maximale aantal qubits.
2. Proton-Neutron Slater-determinant (pnSD) Mapping: De SD's worden ontleed in proton- en neutroncomponenten. Unieke proton-SD's en neutron-SD's worden toegewezen aan aparte qubits. Voor $^{10}\text{B}$ reduceert dit het systeem tot 20 qubits (10 proton + 10 neutron). De Hamiltoniaan wordt gemapt met de Jordan-Wigner-transformatie. Dit verlaagt het aantal qubits, maar verhoogt de circuitsdiepte door de noodzaak van gecontroleerde excitatie-poorten en een groter aantal commuterende Pauli-groepen.
3. Compacte Slater-determinant (cSD) Mapping: Deze strategie streeft naar maximale qubit-efficiëntie. De dimensie van de Hamiltoniaan-matrix wordt opgevuld tot de dichtstbijzijnde macht van twee (bijv. 26 $\to$ 32 voor $^{10}\text{B}$, 51 $\to$ 64 voor $^{12}\text{C}$) en omgezet naar een Pauli-string-Hamiltoniaan met Qiskit. Dit resulteert in een 5-qubitsysteem voor $^{10}\text{B}$ en een 6-qubitsysteem voor $^{12}\text{C}$. De proefgolfoplossing maakt gebruik van een hardware-efficiënt ansatz (afwisselende lagen van $RY$- en CNOT-poorten) in plaats van door de fysica geïnspireerde excitatie-operatoren. Dit minimaliseert het aantal qubits en poorten, maar vereist een aanzienlijk hoger aantal variatieparameters.

De VQE-optimalisatie werd uitgevoerd met de SLSQP-optimizer op een ruisvrije statevector-simulator om optimale parameters te bepalen. Deze circuits met vaste parameters werden vervolgens uitgevoerd op een ruis-simulator (IBM's FakeFez-backend) en echte kwantumhardware (ibm_fez). Zero-Noise Extrapolation (ZNE) werd toegepast om fouten te mitigeren door het ruisniveau van twee-qubit-poorten te schalen.

Belangrijkste Resultaten

• Ressourcetellingen: De SD-mapping vereiste 26 qubits voor $^{10}\text{B}$, maar slechts 4 commuterende Pauli-groepen voor energiemeting. De pnSD-mapping vereiste 20 qubits maar 530 commuterende groepen. De cSD-mapping vereiste slechts 5 qubits voor $^{10}\text{B}$ en 6 voor $^{12}\text{C}$, met respectievelijk 122 en 365 commuterende groepen.
• Nauwkeurigheid op Hardware:
  • Voor $^{10}\text{B}$ leverde de SD-mapping het meest nauwkeurige resultaat na foutmitigatie op hardware op, met een percentagefout van 0,21% ten opzichte van het exacte schillenmodelresultaat.
  • De cSD-mapping voor $^{10}\text{B}$ resulteerde in een 3,37% fout.
  • De pnSD-mapping voor $^{10}\text{B}$ toonde een 8,88% fout.
  • Voor $^{12}\text{C}$, dat computationeel onbereikbaar was voor SD- en pnSD-mappings op klassieke simulators, bereikte de cSD-mapping een 6,82% fout op hardware.
• Golfoplossingsfideliteit: Voor de cSD-mapping was de fideliteit van de op hardware gesamplede VQE-golfoplossing (zonder foutmitigatie) 0,942 voor $^{10}\text{B}$ en 0,915 voor $^{12}\text{C}$, vergeleken met de exacte schillenmodelgolfoplossingen.

Betekenis en Claims
Het artikel stelt dat hoewel de SD-mapping superieure nauwkeurigheid biedt op huidige hardware vanwege lagere circuitsdiepte en minder commuterende groepen, de cSD-mapping de meest veelbelovende strategie is voor schaalbaarheid naar complexe kernen. De cSD-aanpak demonstreert het vermogen om de grondtoestand van $^{12}\text{C}$ te definiëren met slechts 6 qubits, een taak die 51 qubits zou vereisen voor de SD-mapping en 30 voor pnSD, waardoor laatstgenoemde buiten bereik komt van standaard klassieke statevector-simulators.

De auteurs concluderen dat de cSD-mapping, ondanks het vereisen van meer variatieparameters, hoopvol is voor het beschrijven van complexe nucleaire systemen in verschillende massaregio's op NISQ-hardware vanwege de qubit-efficiëntie. Ze merken ook op dat de SD- en pnSD-mappings waardevol blijven voor toekomstige kwantumapparaten en voor de voorbereiding van initiële toestanden in andere kwantumalgoritmen waarbij individuele Slater-determinanten kunnen worden gecontroleerd door enkele parameters. Het werk vestigt een vergelijkend kader voor het selecteren van mappingsstrategieën op basis van de specifieke beperkingen van qubit-beschikbaarheid, circuitsdiepte en de computerkosten van klassieke simulatie.