Variational Gibbs State Preparation on Trapped-Ion Devices

1. O Problema

A preparação de estados de Gibbs (estados térmicos) em computadores quânticos é um desafio fundamental para a modelagem de sistemas complexos, aprendizado de máquina quântico (como máquinas de Boltzmann) e termodinâmica quântica. Diferente da preparação de estados fundamentais (temperatura zero), a preparação de estados térmicos requer a simulação de flutuações térmicas controladas por um parâmetro de temperatura inversa ($\beta$).

O artigo aborda a implementação de um algoritmo quântico variacional (VQA) para preparar esses estados em hardware de íons aprisionados, especificamente nos dispositivos da IonQ. O objetivo é avaliar a eficácia do algoritmo em dispositivos reais (NISQ - Noisy Intermediate-Scale Quantum), comparando-o com simulações ideais e analisando como o ruído do hardware afeta a fidelidade do estado preparado, especialmente em diferentes temperaturas e tamanhos de sistema.

2. Metodologia

Os autores utilizaram uma abordagem híbrida quântico-clássica baseada no algoritmo desenvolvido por Consiglio et al. [43–45], adaptado para hardware de íons aprisionados.

• Modelo Físico: O sistema estudado foi o Modelo de Ising em Campo Transverso (TFIM) com condições de contorno periódicas. O Hamiltoniano é definido como:
  $$H = -\frac{1}{2}\sum_{i=1}^{n} \sigma_i^x \sigma_{i+1}^x - h\sum_{i=1}^{n} \sigma_i^z$$
  onde $n$ é o número de qubits e $h$ é a intensidade do campo.

• Algoritmo Variacional ($U_G$):
  O circuito atua em dois registros de $n$ qubits: um registro de ancilla ($A$) e um registro do sistema ($S$).

  1. Preparação de Ancilla: Uma unitária parametrizada $U_A(\theta)$ prepara uma distribuição de probabilidade no registro de ancilla.
  2. Mapeamento: Uma camada de portas CNOT transversais transfere a informação da ancilla para o sistema.
  3. Transformação do Sistema: Uma unitária parametrizada $U_S(\phi)$ transforma a base computacional na base própria do Hamiltoniano de interesse.
  4. Otimização: O objetivo é minimizar a energia livre de Helmholtz $F(\rho) = \text{tr}\{H\rho\} - \beta^{-1}S(\rho)$, onde $S(\rho)$ é a entropia de von Neumann. Os parâmetros $\theta$ e $\phi$ são otimizados classicamente usando o otimizador SPSA (Simultaneous Perturbation Stochastic Approximation).

• Hardware e Simulação:

  • Hardware Real: Experimentos foram executados em três dispositivos da IonQ: Aria 1 (25 qubits), Forte (36 qubits) e Forte Enterprise (36 qubits). A vantagem chave é a conectividade total (all-to-all), que elimina a necessidade de portas SWAP, reduzindo o erro acumulado comparado a hardware supercondutor com topologia restrita.
  • Simulação: Para o treinamento dos parâmetros, utilizou-se um simulador quântico com ruído (baseado nos parâmetros do hardware IonQ) para evitar o custo computacional de rodar otimizações no hardware real.
  • Validação: Após a otimização clássica, o circuito final foi executado no hardware real. A qualidade do estado foi verificada através de tomografia de estado para reconstruir a matriz densidade e calcular a fidelidade em relação ao estado de Gibbs analítico (obtido por diagonalização exata).

3. Principais Contribuições e Resultados

• Implementação em Íons Aprisionados: O trabalho representa uma das primeiras implementações práticas de preparação de estados de Gibbs em hardware de íons aprisionados, explorando sua conectividade total para evitar a sobrecarga de portas SWAP necessária em topologias de grade (como as da IBM).
• Comportamento Não Monotônico da Fidelidade:
  • Em simulações sem ruído, a fidelidade era alta para temperaturas extremas ($\beta \to 0$ e $\beta$ alto) e caía para valores intermediários ($\beta \sim 1$).
  • No hardware real, observou-se que a fidelidade diminui à medida que $\beta$ aumenta (temperatura diminui). Curiosamente, para $\beta=5$ (temperatura baixa), a fidelidade caiu drasticamente, diferentemente do simulador sem ruído onde permanecia alta.
• Aquecimento Digital (Digital Heating):
  • A descoberta mais significativa é que o ruído do hardware atua como uma fonte de calor, elevando a temperatura efetiva do estado preparado acima da temperatura alvo ($\beta$ desejado).
  • Ao comparar o estado experimental com estados de Gibbs clássicos de diferentes $\beta$, os autores constataram que o estado preparado no hardware corresponde melhor a um estado de Gibbs de temperatura mais alta (menor $\beta$) do que o pretendido.
  • Esse desvio ($\Delta\beta$) aumenta com o tamanho do sistema ($n$) e com a temperatura alvo (maior $\beta$).
• Efeito do Tamanho do Sistema e Campo ($h$):
  • A fidelidade diminui consistentemente com o aumento do número de qubits ($n$) devido ao acúmulo de ruído.
  • Diferentemente das simulações ideais, onde aumentar o campo $h$ melhorava a fidelidade, no hardware real esse efeito não foi consistente, e em alguns casos, a fidelidade piorou para valores maiores de $h$ em temperaturas baixas.
• Precisão do Simulador com Ruído:
  • Um resultado inesperado foi a alta correlação entre o comportamento do simulador com ruído e o hardware real para este algoritmo específico. Isso sugere que, para certas tarefas de preparação de estados térmicos, simuladores de ruído bem calibrados podem ser ferramentas confiáveis para prever o desempenho do hardware.

4. Significado e Conclusão

O artigo demonstra que, embora os algoritmos variacionais para preparação de estados de Gibbs sejam viáveis em hardware de íons aprisionados, o ruído do hardware impõe um limite fundamental na precisão térmica alcançável.

• Implicação Prática: Para pesquisadores que utilizam estados de Gibbs como estado inicial para algoritmos quânticos (ex: aprendizado de máquina ou química quântica a temperaturas finitas), é crucial caracterizar o "aquecimento digital" do dispositivo. O estado preparado não será exatamente o estado de Gibbs da temperatura desejada, mas sim de uma temperatura efetiva mais alta.
• Escalabilidade: A degradação da fidelidade com o aumento de $n$ e $\beta$ indica que, sem técnicas avançadas de mitigação de erro ou correção de erros, a preparação de estados térmicos de baixa temperatura em sistemas grandes permanece um desafio significativo na era NISQ.
• Validação de Hardware: A capacidade do simulador de ruído de prever com precisão o comportamento do hardware real é um ponto positivo, sugerindo que o desenvolvimento de algoritmos pode ser feito com maior confiança em simulações antes do acesso a hardware caro.

Em resumo, o trabalho fornece um benchmark rigoroso da preparação de estados térmicos em íons aprisionados, revelando que o ruído intrínseco atua como um mecanismo de aquecimento que deve ser cuidadosamente contabilizado em aplicações futuras.