Let the Qudit Do the Jacobi: A Structured Quantum Algorithm for Spectral Decomposition

Technische Samenvatting: Een Gestructureerd Kwantumalgoritme voor Spectrale Decompositie

Probleemstelling
Spectrale decompositie is een fundamentele taak in de natuurkunde en techniek, waarbij het bepalen van eigenwaarden en eigenvectoren voor Hamiltoniaanse of unitaire operatoren vereist is. Hoewel klassieke numerieke lineaire algebra robuuste methoden biedt, worden kwantumbenaderingen geconfronteerd met een dichotomie:

1. Tomografische benaderingen: Zet de kwantumoperator om in klassieke informatie via proces-tomografie voordat klassieke algoritmen worden toegepast. Dit is zeer resource-intensief en verliest het kwantumkarakter van de operator.
2. Coherente benaderingen: Behoud de operator binnen het kwantumdomein. Bestaande methoden zoals Quantum Phase Estimation (QPE) vereisen gecontroleerde-unitaire operaties en diepe circuits, wat experimenteel veeleisend is. Variatiele benaderingen (bijv. VQE) behandelen diagonalisatie vaak als een globaal optimalisatieprobleem, waarbij ze de gestructureerde convergentiegaranties van klassieke iteratieve methoden missen.

Er is een gat voor een gestructureerd, iteratief kwantumalgoritme dat onbekende unitaire operatoren direct op kwanthardware diagonaliseert zonder expliciete matrixreconstructie of gecontroleerde-unitaire operaties, met name een algoritme dat gebruikmaakt van de intrinsieke mogelijkheden van hogere-dimensionale systemen (qudits).

Methodologie: Het Jacobi Qudit Algoritme (JQA)
De auteurs stellen het Jacobi Qudit Algoritme (JQA) voor, een qudit-native realisatie van de klassieke Jacobi-diagonalisatiemethode. De kernfilosofie is het progressief elimineren van off-diagonaal elementen van een onbekende unitaire operator $M$ werkend op een enkele $d$-dimensionale qudit door middel van een sequentie van lokale gelijkenistransformaties, in plaats van de matrix te reconstrueren.

• Decompositie van Rotaties: In het klassieke Jacobi-algoritme voor normale matrices wordt een twee-parameter Givens-rotatie $U^G_{(p,q)}(\phi, \alpha)$ toegepast op een $(p,q)$ sub-blok om off-diagonaal elementen te minimaliseren. De JQA vervangt deze enkele twee-parameter optimalisatie door twee sequentiële, single-parameter kwantumvariatie-optimalisaties:

  1. Een "reële" unitaire rotatie $U^R_{(p,q)}(\phi_1) = \exp(i\phi_1 \hat{g}^R_{(p,q)})$.
  2. Een "imaginaire" unitaire rotatie $U^I_{(p,q)}(\phi_2) = \exp(i\phi_2 \hat{g}^I_{(p,q)})$.
     Hier zijn $\hat{g}^R$ en $\hat{g}^I$ off-diagonaal generatoren van de $su(d)$ Lie-algebra.

• Variatiele Zoektocht: De parameters $\phi_1$ en $\phi_2$ worden experimenteel bepaald via afgeleide-vrije één-dimensionale zoektochten. Het algoritme minimaliseert een lokale kostenfunctie $\tau_{(p,q)}$, gedefinieerd als de som van de gekwadrateerde magnitudes van de off-diagonaal elementen in het $(p,q)$ sub-blok. Dit wordt bereikt door:

  • De qudit te initialiseren in computationele basistoestanden $|p\rangle$ en $|q\rangle$.
  • De rotatie toe te passen en een enkele diagonale observable $B$ (met een niet-degenerat spectrum) te meten om de waarschijnlijkheden $|\langle q|\psi\rangle|^2$ te schatten.
  • Dit te herhalen om de noodzakelijke matrixelement magnitudes voor de kostenfunctie te reconstrueren zonder volledige staatstomografie.

• Iteratief Schema: Het algoritme maakt gebruik van een cyclische pivot-strategie. In elke "sweep" wordt elk paar indices $(p,q)$ sequentieel behandeld. Het proces herhaalt zich totdat de globale off-diagonaal kostenfunctie $\tau(M)$ onder een drempelwaarde valt.

• Eigenwaarde Extractie: Bij convergentie is de operator benaderd diagonaal. De eigenwaarden (eigenfases) worden geëxtraheerd met behulp van een interferometrisch protocol. Door superposities van basis-toestanden voor te bereiden en de gediagonaliseerde operator gevolgd door Hadamard-achtige interferentie-operaties toe te passen, worden de faseverschillen tussen eigenwaarden geschat. Het volledige spectrum wordt gereconstrueerd tot op een globale fase.

Kernbijdragen

1. Gestructureerd Kwantumalgoritme: Het voorstel van een gestructureerd, iteratief algoritme voor de diagonalisatie van onbekende unitaire operatoren op een enkele qudit, waarbij expliciete matrixreconstructie en gecontroleerde-unitaire gates worden vermeden.
2. Sequentiële Variatiele Optimalisatie: De demonstratie dat de twee-parameter Jacobi-rotatie kan worden gedecomposeerd in twee sequentiële single-parameter variatie-zoektochten. Deze mapping sluit natuurlijk aan bij experimenteel toegankelijke qudit-operaties en behoudt het convergentiegedrag van de klassieke methode.
3. Interferometrische Eigenwaarde Extractie: De introductie van een protocol om eigenwaarden volledig binnen het kwantumdomein te extraheren via interferentie, waardoor de diagonalisatie wordt voltooid zonder klassieke post-verwerking van de volledige operator.
4. Empirische Schaling: Numerieke verificatie dat het algoritme convergentie-eigenschappen vertoont die consistent zijn met de klassieke Jacobi-methode, waarbij het totale aantal pivot-operaties schaalt als $O(d^2)$.

Resultaten
Numerieke simulaties werden uitgevoerd op ensembles van Haar-random unitaire matrices met dimensies tot $d=30$.

• Convergentie: Het algoritme vertoont een monotone afname van de off-diagonaal kostenfunctie. Het vertoont een lineaire afname in de vroege stadia en versnelt naar een kwadratisch convergentieregime nabij het diagonale vaste punt, wat de klassieke Jacobi-methode weerspient.
• Sweep Count: Het aantal Jacobi-sweeps dat nodig is om een doel nauwkeurigheid te bereiken (bijv. $\epsilon = 10^{-2}$ of $10^{-4}$) blijft ongeveer constant (6–7 sweeps) naarmate de dimensie $d$ toeneemt van 10 naar 30.
• Complexiteit: Omdat elke sweep $O(d^2)$ pivots bevat en het aantal sweeps constant is, schaalt de totale hoeveelheid operaties als $O(d^2)$.
• Vergelijking: De sequentiële single-parameter implementatie (JQA) vereist een vergelijkbaar aantal sweeps, en in geteste instanties zelfs een kleiner aantal sweeps, dan de standaard twee-parameter unitaire Jacobi-algoritme.

Betekenis en Claims
Het artikel positioneert JQA niet als een methode om klassieke diagonalisatieproblemen sneller op te lossen (omdat de overhead van het coderen van klassieke data de voordelen teniet zou doen), maar als een instrument voor de directe diagonalisatie van onbekende kwantumoperatoren of Hamiltoniaanse die experimenteel toegankelijk zijn maar klassiek niet bekend zijn.

De auteurs stellen dat de betekenis van dit werk ligt in:

• Bruggen Bouwen tussen Klassiek en Kwantum: Het bieden van een gestructureerde brug tussen klassieke iteratieve matrixalgoritmen en hun kwantumrealisaties, bewegend voorbij globale variatiele optimalisatie of diepe coherente circuits.
• Qudit-Native Geschiktheid: Het benadrukken dat het algoritme van nature geschikt is voor qudit-architecturen, waar $SU(2)$ subgroepen van $SU(d)$ direct geïmplementeerd kunnen worden, wat de compilatie-overhead vermindert die vereist is voor qubit-gebaseerde implementaties.
• Experimentele Haalbaarheid: De methode vertrouwt enkel op single-qudit rotaties en metingen van een enkele observable, waardoor de noodzaak voor ancilla-qubits of gecontroleerde-unitaire operaties wordt vermeden, wat het geschikt maakt voor near-term en vroege fault-tolerant apparaten.
• Paralleliseerbaarheid: De gestructureerde aard van het algoritme maakt potentiële parallel uitvoering mogelijk van commuterende rotaties op disjuncte subruimten, een kenmerk dat relevant is voor gedistribueerde kwantumcomputing.

De auteurs blijven bescheiden over de theoretische bewijsvoering van convergentie voor de aangepaste sequentiële procedure, waarbij zij opmerken dat hoewel een formeel bewijs ontbreekt, de structurele gelijkenis met het klassieke algoritme en numeriek bewijs sterk suggereren dat de convergentie-eigenschappen behouden blijven. Zij erkennen ook dat beperkte connectiviteit in experimentele platformen volledige diagonalisatie kan voorkomen zonder aanvullende controle-theoretische synthese.