Sample-efficient benchmarking of shallow all-to-all random quantum circuits

Título: Benchmarking eficiente em amostras de circuitos quânticos aleatórios rasos de todos-para-todos

Declaração do Problema
A amostragem de circuitos aleatórios (RCS) é um quadro primário para demonstrar vantagem quântica em hardware quântico de escala intermediária ruidosa (NISQ). No entanto, benchmarks existentes, particularmente o benchmark de entropia cruzada linear (LXEB), foram mostrados como vulneráveis a "falsificação" por algoritmos clássicos que não amostram fielmente a distribuição de saída ideal. Essa vulnerabilidade levanta uma questão crítica: existem benchmarks eficientes em amostras capazes de distinguir hardware quântico ruidoso genuíno de falsificadores clássicos de última geração, especificamente no regime de circuitos aleatórios de profundidade rasa? Embora evidências sugiram que a amostragem de circuitos aleatórios rasos possa ser intratável classicamente além de um certo limiar de profundidade, nenhum benchmark existente consegue atualmente diferenciar de forma confiável um computador quântico ruidoso de um falsificador clássico adversarial neste regime.

Metodologia
Os autores empregam um quadro teórico baseado em ensembles de circuitos aleatórios Brownianos de todos-para-todos. Diferentemente de circuitos Haar-aleatórios discretos, os circuitos Brownianos são análogos de tempo contínuo compostos por interações aleatórias de 2 qubits de todos-para-todos governadas por acoplamentos de ruído branco gaussiano. Este modelo serve como um "laboratório" analiticamente tratável para RCS.

A abordagem técnica central envolve:

1. Mapeamento de Mecânica Estatística: Os autores mapeiam a média do ensemble de momentos das matrizes unitárias (especificamente $2k$ cópias ou réplicas) para um problema de mecânica estatística quântica em uma temperatura inversa $\beta$ proporcional à profundidade do circuito. Isso produz um Hamiltoniano efetivo de muitos corpos, $H^{(k)}_{\text{eff}}$.
2. Métodos de Grande-$n$ (Campo Médio): Ao utilizar a conectividade de todos-para-todos, os autores aplicam técnicas de grande-$n$ (campo médio) para resolver o espectro de $H^{(k)}_{\text{eff}}$. Isso permite o cálculo exato de momentos arbitrariamente altos da distribuição de probabilidade de saída, uma tarefa notoriamente difícil para circuitos unitários discretos.
3. Truques de Réplica: Para calcular quantidades não lineares como a média do logaritmo das probabilidades (necessária para a entropia cruzada), os autores empregam truques de réplica. Isso envolve calcular momentos $\langle q^k \rangle$ para inteiros $k$, continuar analiticamente para o plano complexo, diferenciar em relação a $k$ e tomar o limite $k \to 0$.
4. Modelagem de Ruído: Ruído de despolarização de um único qubit é incorporado ao modelo via teoria de perturbação, tratando a taxa de ruído $\gamma$ como um parâmetro pequeno em relação à força de acoplamento $J$.
5. Validação Numérica: Os resultados analíticos derivados do modelo Browniano são corroborados por simulações numéricas de circuitos quânticos aleatórios discretos de todos-para-todos compostos por portas de 2 qubits Haar-aleatórias (até 40 qubits).

Principais Contribuições e Resultados

1. Entropia Cruzada Não Linear (log XEB) como Benchmark Eficiente em Amostras:
   O artigo deriva expressões analíticas exatas para a entropia cruzada não linear média do ensemble ($\log \text{XEB}$) e sua variância como função da profundidade do circuito, tamanho do sistema $n$ e taxa de ruído $\gamma$.

   • Resultado: No regime de profundidade rasa ($\log n \gtrsim \beta J \gg 1$), a relação sinal-ruído para estimar $\log \text{XEB}$ escala como um polinômio inverso no tamanho do sistema.
   • Implicação: Diferentemente de circuitos profundos onde $\log \text{XEB}$ requer amostras exponenciais para estimativa, a entropia cruzada não linear é eficiente em amostras para circuitos rasos. Estabelece uma hierarquia estrita entre amostradores perfeitamente limpos ($\gamma=0$), amostradores quânticos ruidosos ($\gamma > 0$) e o algoritmo de falsificação "Harvard" (modelado como o limite $\gamma \to \infty$), permitindo que sejam distinguidos de forma confiável.

2. Classificador Binário de Geração de Saídas Pesadas (HOG):
   Os autores desenvolvem um novo protocolo de classificação binária baseado no conceito de "geração de saídas pesadas" (HOG), que explora a tendência de circuitos quânticos aleatórios produzirem strings de bits específicas "pesadas" com maior probabilidade.

   • Resultado: Este classificador apresenta complexidade de amostra logarítmica ($m \sim \log n$) em profundidades curtas. Requer apenas uma única amostra de string de bits para distinguir entre um amostrador quântico ruidoso e um falsificador clássico com alta probabilidade.
   • Mecanismo: O classificador utiliza uma fronteira de decisão (pontuação de limiar $z^*$) que separa as distribuições de pontuação de amostradores quânticos limpos (que favorecem pontuações altas) de falsificadores clássicos (que favorecem pontuações baixas). A probabilidade de má classificação decai exponencialmente com o número de amostras.

3. Expressões Analíticas:
   O artigo fornece expressões de forma fechada para:

   • A média da entropia cruzada não linear: $\log \text{XEB} = nH\left(\frac{1+a}{2}\right) + \gamma_e - e^{-n\beta\gamma}$ (onde $a = e^{-12\beta J}$ e $H$ é a entropia binária).
   • A variância da entropia cruzada não linear, mostrando comportamentos de escala distintos dependendo se a profundidade do circuito está abaixo ou acima de um ponto de cruzamento ($c=1/2$).

Significado e Alegações
O artigo alega demonstrar que a entropia cruzada não linear é um benchmark viável e eficiente em amostras para circuitos aleatórios rasos de todos-para-todos, um regime onde benchmarks anteriores falharam ou foram falsificados. Os autores argumentam que esta métrica pode distinguir de forma confiável hardware quântico ruidoso genuíno de falsificadores clássicos de última geração (especificamente o algoritmo Harvard) mesmo na presença de ruído de despolarização.

Além disso, o classificador binário baseado em HOG proposto oferece uma vantagem prática significativa ao reduzir a complexidade de amostra de polinomial (requerida para estimativa de média) para logarítmica, permitindo a verificação rápida da vantagem quântica com dados mínimos.

Os autores observam que, embora seus resultados sejam derivados usando ensembles de circuitos Brownianos, simulações numéricas confirmam que essas descobertas se generalizam para circuitos aleatórios discretos de todos-para-todos. Eles sugerem que esses benchmarks poderiam ser particularmente relevantes para futuros experimentos em plataformas com conectividade de todos-para-todos, como computadores quânticos de átomos neutros e íons presos, onde a amostragem de circuitos aleatórios lógicos poderia ser avaliada usando essas métricas. O artigo afirma explicitamente que uma análise mais rigorosa contra outros algoritmos potenciais de falsificação é deixada para trabalhos futuros.