Symmetry-guided quantum state preparation: Branched-Subspaces Adiabatic Preparation (B-SAP)

Resumo Técnico: Preparação Adiabática de Subespaços Ramificados (B-SAP)

Definição do Problema
A preparação de estados quânticos é uma tarefa fundamental para a simulação de sistemas complexos de muitos corpos na física, química e ciência de dados. As abordagens atuais enfrentam compensações significativas. Algoritmos Quânticos Variacionais (VQAs) dependem de ansatzes parametrizados e otimização clássica, que frequentemente sofrem de "platôs estéreis" (gradientes que desaparecem exponencialmente), baixa escalabilidade devido à necessidade de espaços de parâmetros exponencialmente grandes e problemas de convergência relacionados a mínimos locais. Por outro lado, a Preparação Adiabática (AP) evolui um estado inicial sob um Hamiltoniano dependente do tempo para atingir um estado alvo. Embora conceitualmente distintos, a AP é altamente sensível aos gaps espectrais de energia; se os níveis de energia se cruzarem ou se os gaps fecharem exponencialmente com o tamanho do sistema, o teorema adiabático falha em garantir a preparação de um estado próprio específico, resultando frequentemente em uma superposição desconhecida de estados degenerados. Essas limitações dificultam a preparação simultânea de estados fundamentais e excitados, o que é crucial para a compreensão de espectros ópticos, processos de transferência de carga e intermediários de reação.

Metodologia: Preparação Adiabática de Subespaços Ramificados (B-SAP)
Os autores propõem o B-SAP, um algoritmo híbrido que integra os pontos fortes estruturais dos VQAs e da AP, mitigando suas respectivas fraquezas por meio de estruturas de teoria de grupos e pós-processamento clássico.

1. Inicialização Guiada por Simetria: Diferente da AP convencional, que tipicamente seleciona um Hamiltoniano inicial ($H_0$) com um grupo de simetria mínimo para evitar degenerescência, o B-SAP seleciona um $H_0$ cujo grupo de simetria contém o grupo de simetria do Hamiltoniano alvo ($H_T$) como um subgrupo. Consequentemente, o espectro de energia inicial exibe alta degenerescência.
2. Exploração de Subespaço via Portas Parametrizadas: O algoritmo identifica um subespaço próprio degenerado $S(B_n)$ de $H_0$ correspondente a um nível de energia $E_n$. Em vez de usar um ansatz genérico, o B-SAP constrói um conjunto específico de portas unitárias parametrizadas $\{G_j(\alpha_j)\}$ que atuam como endomorfismos neste subespaço. Essas portas são derivadas dos geradores do grupo unitário $U(d_n)$ (onde $d_n$ é a dimensão do subespaço), reduzidos ao espaço de cosset $U(d_n)/U(d_{n-1})$ para garantir que o mapeamento seja bijetivo para um estado de referência fixo.
   • Crucialmente, o número de parâmetros treináveis escala como $2d_n - 1$ (ou $2(d_n-1)$ se a fase global for irrelevante). Como $d_n$ escala polinomialmente com o tamanho do sistema $L$ para os modelos considerados, a contagem de parâmetros evita a escala exponencial que leva aos platôs estéreis.
3. Evolução Adiabática com Ramificação: O sistema passa por uma evolução adiabática de $H_0$ para $H_T$. Como o grupo de simetria de $H(s)$ permanece constante ou diminui (as simetrias são quebradas, não introduzidas), as representações irredutíveis (irreps) do grupo de simetria permanecem inalteradas ou se dividem (ramificam). Esta estrutura de "ramificação" impede a fusão de níveis de energia distintos que causa cruzamentos de níveis na AP convencional. O protocolo garante que a condição de gap espectral seja necessária apenas entre subespaços próprios distintos, em vez de entre cada estado próprio individual, relaxando as restrições para uma preparação bem-sucedida.
4. Pós-Processamento Clássico (MC-VQE): Para otimizar os parâmetros variacionais sem sofrer de gargalos de otimização, os autores empregam o Variational Quantum Eigensolver Contraído Multiestado (MC-VQE).
   • Em vez de otimizar um único estado, o algoritmo prepara estados de sobreposição $|\Psi^p_{ml}\rangle$ (superposições de estados base) no registrador quântico.
   • Ele mede elementos de matriz do Hamiltoniano alvo $H_T$ no basis evoluído, construindo uma matriz $d_n \times d_n$ $[H_T]^{(n)}_{ml}$.
   • Esta matriz é diagonalizada classicamente para obter os autovalores e os coeficientes dos autovetores alvo.
   • Os parâmetros variacionais são então ajustados classicamente para maximizar a sobreposição entre o estado preparado e o vetor alvo derivado classicamente. Isso evita a necessidade de um circuito quântico durante o passo de minimização final e fornece um mínimo global conhecido para a função de perda.

Principais Contribuições

• Estrutura Híbrida: O artigo introduz um novo algoritmo que contorna a necessidade de ansatzes heurísticos (comuns em VQAs) e os requisitos rigorosos de não-cruzamento de gap (comuns em AP).
• Construção Teórica de Grupos: Utiliza a teoria de representação do grupo de simetria do Hamiltoniano para construir um circuito parametrizado que explora um subespaço degenerado específico de forma eficiente, garantindo que o número de parâmetros escale polinomialmente com o tamanho do sistema.
• Robustez a Cruzamentos de Níveis: Ao projetar o caminho adiabático de modo que as simetrias sejam quebradas em vez de introduzidas, o método evita a formação de degenerescências acidentais que tipicamente assolam a evolução adiabática, permitindo a preparação de estados excitados.
• Contorno de Otimização Clássica: A integração do MC-VQE permite a extração de informações de estados excitados via diagonalização clássica de uma matriz pequena, reduzindo a dependência de loops difíceis de otimização quântico-clássica.

Resultos
Os autores validaram o B-SAP usando o modelo Heisenberg XYZ unidimensional com condições de contorno periódicas em um simulador quântico (Qiskit) para tamanhos de sistema de até $L=10$ qubits.

• Precisão: O algoritmo preparou com sucesso o estado fundamental e os quatro primeiros estados excitados através de uma ampla gama de constantes de acoplamento ($J_x, J_y, J_z$).
• Métricas de Erro: Para o estado fundamental, o erro (infidelidade) foi negligenciável em comparação com a sobreposição de estado aleatório ($2^{-L}$) na maioria das regiões de parâmetros, mesmo com um número mínimo de passos de Trotter ($L/2$). Para estados excitados, os erros permaneceram geralmente abaixo de 10% e, muitas vezes, abaixo do nível percentual.
• Escalabilidade: A profundidade de circuito necessária escala polinomialmente com o tamanho do sistema $L$.
• Comparação: Quando comparado à AP padrão no mesmo modelo e parâmetros:
  • A AP padrão apresentou desempenho comparável para o estado fundamental, mas falhou completamente para o primeiro estado excitado na maioria das regiões de parâmetros devido a cruzamentos de níveis de energia.
  • O B-SAP preparou com sucesso os estados excitados onde a AP padrão falhou, demonstrando sua capacidade de navegar por cruzamentos de níveis via ramificação de subespaços degenerados.

Significância e Alegações
O artigo afirma que o B-SAP oferece uma rota promissora para a preparação de estados quânticos em plataformas de computação quântica de curto prazo (near-term), equilibrando precisão, eficiência de recursos e robustez.

• Aplicabilidade de Curto Prazo: A escala polinomial de profundidade de circuito e parâmetros torna o algoritmo adequado para dispositivos com tempos de coerência e conectividade limitados.
• Acesso a Estados Excitados: O método aborda uma lacuna crítica nas capacidades atuais ao permitir a preparação confiável de estados excitados de ordem superior, que são essenciais para determinar espectros ópticos e reatividade química, mas que são tipicamente inacessíveis via métodos adiabáticos ou variacionais padrão devido a cruzamentos de níveis e dificuldades de otimização.
• Perspectiva Futura: Os autores sugerem que a abordagem pode ser estendida para simulações quânticas de materiais complexos, química quântica e sistemas de teoria de campos, com trabalhos futuros focados na integração de técnicas de mitigação de erros para implantação em hardware real. O artigo não pretende resolver o problema geral de toda a preparação de estados quânticos, mas posiciona o B-SAP como uma solução específica e eficaz para Hamiltonianos de muitos corpos com simetrias conhecidas.