A Quantum Algorithm with Polylogarithmic Depth per Trotter Step for the Extended Hubbard Model

Resumo Técnico: Q2FMM para o Modelo de Hubbard Estendido

Enunciado do Problema
A simulação do modelo de Fermi-Hubbard estendido em uma rede bidimensional é um desafio central na computação quântica, particularmente para a física da matéria condensada e estruturas eletrônicas fortemente correlacionadas. Embora os termos locais (hopping e interações on-site) possam ser simulados eficientemente com circuitos de profundidade constante ou baixa, a inclusão de interações de Coulomb de longo alcance apresenta um gargalo significativo. Essas interações geram $O(N^2)$ termos (onde $N$ é o número de sítios da rede), levando a circuitos quânticos profundos. Abordagens padrão, como redes de SWAP fermiônicas, resultam em uma profundidade de circuito por passo de Trotter que escala como $O(N)$. Estratégias de truncamento são frequentemente ineficazes para potenciais de Coulomb devido ao seu decaimento lento de $1/r$, o que exige raios de corte grandes para manter a precisão.

Metodologia: O Algoritmo Q2FMM
Os autores propõem o Q2FMM, um algoritmo quântico inspirado no Método de Multipolos Rápidos (FMM) clássico para simular a evolução temporal do modelo de Hubbard estendido dentro da fórmula do produto de Trotter. A metodologia central envolve substituir interações diretas sítio-a-sítio por interações entre "caixas" hierárquicas e de granularidade grossa através de múltiplas escalas de comprimento.

1. Estrutura Hierárquica: O algoritmo organiza a rede 2D em uma estrutura de quadtree. Ele distingue entre interações de "campo próximo" (tratadas diretamente no nível mais fino) e interações de "campo distante" (aproximadas via expansões de multipolos).
2. Expansões de Multipolos:
   • Q2FMM de 0ª Ordem: Utiliza uma aproximação simplificada onde caixas distantes interagem com base em seus números totais de ocupação ($N_A N_B$).
   • Q2FMM de Ordem Superior: Refina a precisão retendo coeficientes de multipolo ($M_{\ell m}$) em vez de apenas números de ocupação totais. Isso permite um compromisso sistemático entre precisão e custo computacional via uma ordem de truncamento $p$.
3. Design do Circuito Quântico:
   • Fase de Computação: O algoritmo procede do nível mais fino (sítios individuais) para o nível mais grosseiro. Em cada nível, ele agrega informações de caixas filhas para caixas pai usando somadores quânticos. Para versões de ordem superior, isso envolve traduzir e somar coefêficientes de multipolo.
   • Aplicação de Fase: A energia de interação para pares de caixas é computada usando multiplicadores quânticos para calcular produtos de números de ocupação ou termos de multipolo. A fase resultante é aplicada via portas de fase de um único qubit.
   • Fase de Uncompute: Para evitar a acumulação de estados lixo e o emaranhamento indesejado, o algoritmo emprega uma fase de "uncompute" reversível. Ele reverte os passos de agregação (decompondo a informação do pai de volta para a informação do filho) após a fase ter sido impressa, garantindo que o sistema retorne a um estado limpo enquanto preserva a fase dinâmica.
4. Otimizações: O artigo discute otimizações opcionais usando operações COPY (CNOTs transversais) para paralelizar cálculos de fase e portas de fan-out ilimitadas para reduzir a profundidade dos circuitos aritméticos para $O(\log^* n)$, embora a análise de escala principal dependa de circuitos reversíveis padrão.

Resultados Principais e Complexidade
O circuito quântico resultante alcança as seguintes propriedades de escala por passo de Trotter e para o tempo total de simulação $t$ com erro alvo $\epsilon$:

• Profundidade do Circuito: A profundidade por passo de Trotter escala polilogaritmicamente com o tamanho do sistema $N$. Especificamente, escala como $O(\log N \cdot \log Q)$, onde $Q$ é o número de elétrons.
• Complexidade de Portas: A complexidade de portas por passo de Trotter escala quase-linearmente com o tamanho do sistema, denotado por $\tilde{O}(N)$.
• Complexidade Total: Contabilizando o número de passos de Trotter necessários para simular o tempo $t$ com erro $\epsilon$, a profundidade total do circuito escala como $\tilde{O}(N^{1/2} t^{3/2} / \epsilon^{1/2})$, e a complexidade total de portas escala como $\tilde{O}(N^{3/2} t^{3/2} / \epsilon^{1/2})$.
• Qubits Ancila: O algoritmo requer um número de qubits ancila que escala quase-linearmente com o tamanho do sistema, $\tilde{O}(N)$.

Significância e Alegações
O artigo afirma que o Q2FMM oferece uma vantagem significativa sobre os métodos existentes para simular interações de longo alcance em sistemas grandes.

• Comparação com a Imagem de Interação: Os autores comparam o Q2FMM com o método da imagem de interação (Low e Wiebe, Ref. [82]), que possui uma complexidade de portas de $\tilde{O}(N^2 t)$. O Q2FMM torna-se vantajoso no regime de sistemas grandes (grande $N$), enquanto o método da imagem de interação é mais favorável para simulações de longo tempo e alta precisão (grande $t$, pequeno $\epsilon$). O ponto de cruzamento é estimado em $N \sim \tilde{O}(t/\epsilon)$.
• Adequação ao Hardware: Os autores sugerem que o Q2FMM é particularmente bem adequado para computadores quânticos de átomos neutros em duas dimensões, que suportam nativamente o transporte de átomos (shuttling) e portas de emaranhamento de longo alcance. Também é compatível com arquiteturas de código de superfície onde operações de longo alcance podem ser realizadas em profundidade constante.
• Generalidade: Embora demonstrado no modelo de Hubbard estendido, o framework é apresentado como aplicável a outros kernels (ex: Yukawa, Helmholtz) e potencialmente a Hamiltonianos moleculares ab initio discretizados em grades de espaço real.

Distinção de Trabalhos Relacionados
Os autores distinguem o Q2FMM de abordagens recentes baseadas em FMM para Hamiltonianos moleculares (ex: Berry et al., Ref. [80]). Nesses trabalhos, o estado quântico está em primeira quantização, exigindo a ordenação complexa de elétrons em caixas espaciais baseada em dados de posição quântica. Em contraste, o Q2FMM opera em uma rede onde os qubits estão pré-arranjados por posição espacial (segunda quantização), eliminando a necessidade de movimentação de dados quânticos baseada em posição. Consequentemente, o Q2FMM foca no reuso hierárquico eficiente de resultados intermediários e no gerenciamento de estados lixo através de uncomputing.