Improved constant factors for qubitized Hamiltonian simulation

Stel je voor dat je probeert het toekomstige gedrag te voorspellen van een piepkleine, onzichtbare wereld gemaakt van atomen en energie. Dit is de taak van quantumcomputers, die lijken op superkrachtige rekenmachines die ontworpen zijn om de natuurwetten te simuleren die alles aansturen, van nieuwe medicijnen tot superefficiënte batterijen. Deze machines zijn echter berucht moeilijk te programmeren omdat de wiskunde die ze moeten oplossen ongelooflijk complex is. Om dit mogelijk te maken, gebruiken wetenschappers een speciale truc genaamd "Quantum Signal Processing". Denk aan deze truc als een manier om een ingewikkelde, kolkende dans van energie te vertalen naar een eenvoudig, stapsgewijs recept dat de computer kan volgen. Het doel is om precies uit te zoeken hoeveel stappen (of "calls" naar een specifiek wiskundig hulpmiddel) nodig zijn om het antwoord juist te krijgen zonder tijd of energie te verspillen. Als je te weinig stappen neemt, is het antwoord fout; als je er te veel neemt, raakt de computer leeg voordat hij klaar is. Jarenlang hebben wetenschappers geprobeerd het absolute minimum aantal stappen te vinden, in de hoop zelfs een klein beetje extra werk weg te kunnen schrappen om deze simulaties sneller en praktischer te maken.

Dit artikel gaat over het vinden van een veel scherpere, preciezere liniaal om die stappen te meten. De auteurs, werkzaam bij Xanadu, hebben een manier ontdekt om de regels voor het aantal stappen dat nodig is om te simuleren hoe een quantummechanisch systeem in de loop van de tijd verandert, aan te scherpen. Ze richtten zich op een specifiek wiskundig hulpmiddel genaamd de "Jacobi-Anger expansie", wat een soort gigantisch, oneindig receptenboek is voor het beschrijven van hoe golven bewegen. Om een goed antwoord te krijgen, moet je stoppen met het lezen van het recept op een bepaat punt, maar je moet precies weten waar je moet stoppen zodat je geen belangrijke ingrediënten mist. De auteurs realiseerden zich dat eerdere methoden voor het bepalen waar men moest stoppen een beetje te voorzichtig waren, zoals een bakker die een enorme extra kop bloem toevoegt om maar zeker te zijn. Door twee slimme wiskundige ongelijkheden (vernoemd naar Kapteyn en Watson) te gebruiken om de "staart" van het recept — het deel dat je weglaat — te analyseren, hebben ze bewezen dat je veel eerder kunt stoppen dan voorheen werd gedacht.

Hun belangrijkste bevinding is dat ze de kloof tussen de best mogbare theoretische limiet en wat we daadwerkelijk kunnen bereiken bijna volledig hebben gedicht. Ze hebben aangetoond dat het aantal stappen dat nodig is, in essentie gelijk is aan de tijd die je simuleert vermenigvuldigd met een factor die nu ongelooflijk dicht bij 1 ligt. In het verleden suggereerden de beste schattingen dat je ongeveer 1,36 keer (specifiek $e/2$) meer stappen nodig zou hebben dan het absolute minimum. De auteurs hebben bewezen dat door het resterende wiskundige deel nauwkeuriger te behandelen, je deze overhead met diezelfde factor kunt verminderen, waardoor het proces ongeveer 1,36 keer efficiënter wordt. Ze gokten dit niet alleen; ze leverden strikte wiskundige bewijzen om aan te tonen dat hun nieuwe formules correct zijn en dat de oude, lossere schattingen inderdaad te conservatief waren.

Om dit te visualiseren: stel je voor dat je probeert de lengte van een kronkelende bergweg in te schatten. Eerdere kaarten vertelden je dat de weg ongeveer 1,36 mijl lang is voor elke mijl aan rechte lijnafstand, gewoon om maar veilig te zitten. De auteurs van dit artikel zijn naar buiten gegaan, hebben de bochten gemeten met een laser, en bewezen dat de weg eigenlijk veel dichter bij exact 1 mijl lang is voor elke mijl aan rechte afstand. Ze hebben aangetoond dat de "extra" afstand die mensen dachten te moeten incalculeren, grotendeels een illusie was veroorzaakt door het gebruik van een minder nauwkeurig meetlint. Hun nieuwe methode gebruikt een precisie-meetlint dat de bochten perfect meeneemt, waardoor quantumcomputers chemische reacties en fysieke processen met aanzienlijk minder middelen kunnen simuleren. Dit bespaart niet zomaar een beetje tijd; voor grote, complexe simulaties kan dit het verschil betekenen tussen een berekening die een week duurt en een die een paar dagen duurt, of tussen een simulatie die onmogelijk is en een die eindelijk uitvoerbaar is. De auteurs bevestigen dat hun nieuwe grenzen "tight" (strak) zijn, wat betekent dat ze zeer dicht bij de ware wiskundige realiteit liggen, en ze hebben dit gedemonstreerd door hun formules te vergelijken met computergegenereerde gegevens, waarbij ze lieten zien dat hun voorspellingen de werkelijke cijfers bijna perfect matchen.