Temporal Coarse Graining for Classical Stochastic Noise in Quantum Systems

Enunciado do Problema
Simular sistemas quânticos sujeitos a ruído estocástico clássico hamiltoniano é computacionalmente exigente quando o ruído exibe correlações temporais em uma ampla gama de escalas de tempo, como o ruído $1/f$ comum em processadores de informação quântica de estado sólido. A integração bruta padrão da equação de Schrödinger requer passos de tempo suficientemente pequenos para resolver os componentes de ruído de alta frequência para evitar o aliasing. Esses passos pequenos são ordens de magnitude menores do que as escalas de tempo necessárias para observar os efeitos de deriva lenta decorrentes de componentes de baixa frequência. Essa disparidade resulta em custos de simulação proibitivos para experimentos que duram segundos, mesmo quando os processos de relaxação ($T_1$) são desprezíveis em comparação com a desidratação ($T_2$).

Metodologia
Os autores propõem uma abordagem de coarse-graining (granularidade grossa) temporal para simular ruído estocástico clássico hamiltoniano, focando especificamente em processos de ruído expressáveis como uma soma de processos de Ornstein-Uhlenbeck (OU) independentes. O método decompõe a simulação em duas médias de conjunto distintas:

1. Condicionamento em Realizações de Granularidade Grossa: O processo de ruído estocástico é condicionado a uma realização de "granularidade grossa" definida em um conjunto discreto de pontos temporais $\{t_0, t_1, \dots\}$. Esses pontos não precisam ser uniformemente espaçados, permitindo que se alinhem com a duração de operações quânticas específicas (ex: portas).
2. Decomposição do Processo Condicionado: Dentro de cada intervalo de tempo $[t_{k-1}, t_k]$, o processo OU condicionado é expresso como a soma de:
   • Uma função determinística ($\eta^{(D)}$) que depende dos valores de contorno (a realização de granularidade grossa) e captura a deriva lenta.
   • Um processo de ponte de contorno zero ($\eta^{(S)}$) que é independente da realização específica de granularidade grossa, possui média zero e é fixado em zero nos limites do intervalo.
3. Média de Conjunto em Duas Etapas:
   • Etapa A (Média de Ponte): Uma média de conjunto é realizada sobre os processos de ponte de contorno zero. Como esses processos são independentes entre intervalos de tempo e possuem correladores conhecidos analiticamente, esta etapa efetivamente integra os componentes de ruído de alta frequência. Isso resulta em uma operação quântica completamente positiva e preservadora de traço (CPTP) para cada intervalo, caracterizada por um superoperador derivado de uma expansão de cumulantes (truncada no segundo ordem).
   • Etapa B (Média de Granularidade Grossa): O sistema é evoluído através da sequência de intervalos usando as funções determinísticas específicas derivadas de uma única realização de ruído de granularidade grossa. Essa evolução é então repetida para muitas diferentes realizações de ruído de granularidade grossa, e os resultados finais são calculados pela média.

Esta abordagem "híbrida" combina a amostragem de Monte Carlo de trajetórias de ruído de granularidade grossa com a média de conjunto analítica dos processos de ponte de alta frequência.

Principais Contribuições

• Pré-computação Analítica: Para processos OU, os componentes determinísticos e os correladores dos processos de ponte de contorno zero são derivados analiticamente. Isso permite que os propagadores de ruído associados sejam pré-computados uma única vez, eliminando a necessidade de gerar trajetórias de ruído de granularidade fina para cada passo de simulação.
• Regra de Concatenação: A independência dos processos de ponte de contorno zero através dos intervalos de tempo permite que a evolução total seja construída via uma simples regra de concatenação de mapas para cada passo de tempo de granularidade grossa. Isso contrasta com abordagens padrão de média de conjunto (ex: funções de filtro) que frequentemente carecem de uma regra de concatenação simples para sequências de operações unitárias, a menos que o Hamiltoniano seja constante ou termos de ordem superior sejam ignorados.
• Tratamento de Medições de Meio de Circuito: O método preserva naturalmente as correlações de ruído através de medições de meio de circuito. Como a trajetória de ruído de granularidade grossa é mantida através da medição, o estado pode ser projetado e evoluído para a próxima medição sem recalcular toda a história ou realizar um número exponencial de simulações para todos os possíveis resultados de medição.

Resultos
Os autores demonstram o método através de três exemplos numéricos:

1. Desidratação de Qubit Único: Um sistema de qubit único com ruído no eixo $x$. O método separa com sucesso o ruído em um erro coerente dependente da trajetória (deriva) e um termo de desidratação independente da trajetória.
2. Flutuações de Troca de Dois Qubits: Simulando flutuações na acoplagem de troca entre dois spins. Os resultados mostram desidratação no autobasis do operador de troca e sobre/sub-rotações coerentes dependentes dos valores de contorno.
3. Desacoplamento Dinâmico (DD) de Permutação Total: Simulando um qubit de troca de 3 spins sob um protocolo de DD de permutação total. A simulação captura o comportamento oscilatório da probabilidade de sobrevivência para estados iniciais específicos (devido a gradientes de campo magnético) e o decaimento devido à desidratação, correspondendo aos comportamentos físicos esperados.
4. Verificação de Paridade de Peso-2: Simulando uma sequência de verificações de paridade em seis spins de qubits singlet-triplet. Os autores comparam modelos de ruído $1/f$, ruído quase-estático e ruído de Bernoulli. O método lida eficientmente com a sequência de medições de meio de circuito, evitando o custo proibitivo de simular todas as $2^{N_M}$ sequências de resultados de medição exigidas por formalismos alternativos.

Significância e Alegações
O artigo afirma que esta abordagem de granularidade grossa temporal oferece uma vantagem prática para simular sistemas quânticos com ruído de múltiplas escalas. Ao integrar efetivamente os componentes de alta frequência analiticamente enquanto retém a capacidade de rastrear deriva lenta e correlações através de trajetórias de granularidade grossa, o método permite a simulação fiel de dinâmicas ruidosas ao longo de longas escalas de tempo (segundos) que seriam de outra forma computacionalmente intratáveis. Os autores destacam que a abordagem é particularmente bem adequada para testar protocolos e estudos de correção de erros onde longos tempos de simulação e estruturas de circuitos complexas (incluindo medições de meio de circuito) são necessários. O método é apresentado como uma alternativa às descrições de processos quânticos efetivos derivadas via expansões de Magnus e de cumulantes, abordando especificamente a falta de uma regra de concatenação nessas abordagens padrão para Hamiltonianos variantes no tempo.