Determining the ensemble N-representability of Reduced Density Matrices

Resumo Técnico: Determinando a N-Representabilidade de Ensembles de Matrizes de Densidade Reduzida

Definição do Problema
O problema da N-representabilidade é um desafio fundamental na teoria da estrutura eletrônica, que diz respeito às condições necessárias e suficientes que uma matriz de densidade reduzida (p-RDM) de $p$-corpos deve satisfazer para ser derivável de uma função de onda ou estado misto (ensemble) de $N$-elétrons. Embora progressos significativos tenham sido feitos em relação à N-representabilidade de estado puro, determinar a N-representabilidade de ensemble de uma p-RDM permanece um obstáculo crítico, particularmente para aplicações envolvendo misturas térmicas, sistemas quânticos abertos e ensembles estatísticos. Verificar se uma dada p-RDM corresponde a um estado físico de $N$-elétrons é computacionalmente intratável no caso geral, pertencendo à classe de complexidade quantum Merlin-Arthur-completa. As condições aproximadas existentes são frequentemente insuficientes para sistemas fortemente correlacionados, e o conjunto completo de condições necessárias e suficientes para p-RDMs (onde $p > 1$) permanece desconhecido.

Metodologia
Este trabalho propõe um framework prático para determinar a N-representabilidade de ensemble de uma matriz $p$-corpo, estendendo um algoritmo de evolução unitária previamente desenvolvido (pure ADAPT-VQA) para o caso de ensemble. A metodologia central baseia-se em uma estratégia de purificação:

1. Purificação por Embutimento (Purification Embedding): Seguindo o teorema de Schrödinger-Hughston-Jozsa-Wootters, um estado de ensemble $\rho$ definido em um espaço de Hilbert $\mathcal{H}_s$ é embutido em um estado puro $|\Psi_{sb}\rangle$ definido em um espaço de Hilbert estendido $\mathcal{H}_{sb} = \mathcal{H}_s \otimes \mathcal{H}_b$, onde $\mathcal{H}_b$ é um espaço auxiliar. A purificação é construída de tal forma que $\rho = \text{Tr}_b(|\Psi_{sb}\rangle\langle\Psi_{sb}|)$, garantindo que as matrizes de densidade reduzida do estado purificado reproduzam as do ensemble original.
2. Evolução Unitária Variacional: O algoritmo emprega um algoritmo quântico variacional adaptativo de pseudo-Trotter baseado em derivadas (ADAPT-VQA). Ele aplica iterativamente unitários variacionais a um estado purificado inicial (construído a partir de um estado inicial de $N$-partículas $|\phi_0\rangle$ e sua purificação).
3. Pool de Operadores: A evolução é impulsionada por um pool de operadores de excitação-desexcitação anti-hermitiano adequado para férmions, restrito a restrições de ensemble canônico (sem mudanças no número de partículas no sistema ou no espaço auxiliar). Esses operadores são mapeados para operadores de Pauli via transformação de Jordan-Wigner, tornando o algoritmo adequado para simulação em computadores quânticos.
4. Objetivo de Otimização: O algoritmo minimiza a distância de Hilbert-Schmidt ($D$) entre a p-RDM do estado purificado evoluído e uma p-RDM alvo ($p\rho_{\text{target}}$).
   • Se o algoritmo convergir para uma distância $D_{\min} \approx 0$, o alvo é considerado N-representável de ensemble.
   • Se $D_{\min} > 0$, a magnitude da distância serve como uma medida quantitativa da violação da N-representabilidade.
   • O estado evoluído fornece o estado reduzido de ensemble "mais próximo" e fisicamente N-representável do alvo defeituoso.

Principais Contribuições

• Algoritmo Ensemble ADAPT-VQA: A introdução de um framework híbrido que estende algoritmos de representabilidade de estado puro para estados de ensemble via purificação. Isso permite ao algoritmo distinguir se um alvo de matriz origina-se de um estado quântico puro ou de uma mistura de ensemble.
• Correção de Erros e Refinamento: A metodologia oferece uma rota para o refinamento de matrizes de densidade. Ela pode corrigir matrizes de densidade reduzida de ensemble defeituosas (aquelas que violam condições de N-representabilidade) ao evoluí-las em direção ao estado físico mais próximo.
• Reconstrução de Estado Quântico: O algoritmo facilita a reconstrução de estado quântico em computadores quânticos, permitindo a recuperação de uma função de onda ou estado purificado compatível a partir de uma RDM alvo.
• Validação Numérica: O framework é validado através de simulações numéricas em sistemas de modelo e sistemas moleculares em temperatura finita, demonstrando sua capacidade de lidar com 1-RDMs e 2-RDMs.

Resultos
Os autores validaram o algoritmo usando simulações numéricas em um simulador quântico sem ruído:

• Sistemas de Modelo (Temperatura Zero): Testes foram conduzidos em sistemas de 4 elétrons com 3 e 4 orbitais.
  • Para 1-RDMs, o algoritmo distinguiu com sucesso entre estados N-representáveis de estado puro e de ensemble. Nos casos onde as condições de N-representabilidade pura de Klyachko (condições de Pauli generalizadas) foram violadas (estados mistos), o pure ADAPT-VQA falhou em convergir para distância zero, enquanto o ensemble ADAPT-VQA convergiu para $D_{\min} \approx 0$.
  • Para 2-RDMs, onde as condições completas de N-representabilidade pura são desconhecidas, o algoritmo identificou corretamente a N-representabilidade de ensemble para todos os alvos construídos. Ele demonstrou ainda a capacidade de detectar se uma 2-RDM de ensemble poderia contrair para uma 1-RDM pura.
  • Robustez ao Ruído: Ao introduzir ruído aleatório nas matrizes alvo, o estudo mostrou que $D_{\min}$ escala com a força do ruído ($\epsilon$), confirmando a utilidade do algoritmo para quantificar a severidade das violações de N-representabilidade.
• Sistemas Moleculares (Temperatura Finita): O algoritmo foi aplicado às moléculas $H_2$ e $H_3$ linear em temperaturas finitas. Matrizes alvo foram construídas a partir de estados térmicos de ensemble canônico e perturbadas com ruído.
  • Os resultados indicaram que a distância convergida $D_{\min}$ é mais sensível ao ruído adicionado ($\epsilon$) do que às características intrínsecas de correlação do estado subjacente sem ruído.
  • À medida que o ruído aumentou, $D_{\min}$ aumentou significativamente (por exemplo, atingindo $\sim 10^1$ para 2-RDMs com $\epsilon=0.1$), demonstrando a capacidade do algoritmo de detectar e quantificar defeitos de representabilidade em cenários moleculares realistas.

Significância
O artigo afirma que este trabalho fornece um framework prático e robusto para abordar o problema da N-representabilidade de ensemble, um desafio que historicamente tem sido computacionalmente intratável. Ao alavancar purificação e algoritmos quânticos variacionais, o método proposto oferece uma dupla capacidade: ele pode classificar a natureza de uma dada RDM (pura vs. ensemble) e corrigir matrizes defeituosas para impor restrições físicas. Isso é significativo para melhorar a precisão dos cálculos de química quântica, particularmente para sistemas de elétrons fortemente correlacionados e aplicações de temperatura finita. Os autores enfatizam que o algoritmo é compatível com hardware quântico, oferecendo um caminho para o refinamento de matrizes de densidade e reconstrução de estado quântico em futuras simulações quânticas.