Error-corrected phase estimation averaged over variable grids on a trapped-ion quantum computer: hyperacuity spectra of a CO molecule adsorbed onto $\chi$-Fe$_5$C$_2$

Resumo Técnico: Estimativa de fase corrigida por erros média sobre grades variáveis em um computador quântico de íons aprisionados

Declaração do Problema
A Estimativa de Fase Quântica (QPE) é um algoritmo fundamental para extrair espectros de excitação de sistemas de muitos elétrons, oferecendo vantagens sobre métodos clássicos para calcular grandezas como funções de Green (GFs) de uma partícula, sem exigir a diagonalização de enormes subespaços de Hilbert. No entanto, a implementação prática em hardware atual é impedida por dois fatores primários: baixa resolução de grade (limitada pelo número de qubits auxiliares) e ruído ambiental. Além disso, os paisagens de custo da QPE padrão frequentemente sofrem de "vazamento espectral", criando paisagens acidentadas com múltiplos mínimos locais que aprisionam algoritmos de otimização, particularmente quando se utiliza uma grade de origem de energia única.

Metodologia
Os autores propõem e implementam a QPE média sobre grades variáveis (QAVG), uma abordagem do tipo vernier projetada para reconstruir espectros com precisão apesar de grades de baixa resolução e ruído. A metodologia envolve um fluxo de trabalho de ponta a ponta aplicado a um sistema modelo de uma molécula de CO adsorvida sobre uma superfície $\chi$-Fe$_5$C$_2$ (um catalisador relevante para a síntese de Fischer–Tropsch).

1. Pré-processamento Clássico:

   • Cálculos de Teoria do Funcional da Densidade (DFT) foram realizados no sistema CO/$\chi$-Fe$_5$C$_2$ para obter estruturas eletrônicas.
   • Orbitais de Wannier Maximamente Localizados (MLWOs) foram construídos, identificando cinco orbitais relevantes (dois derivados de $2\pi^*$ do CO e três derivados de $d$ do Fe).
   • Para atender às restrições atuais de hardware quântico, um modelo de dímero de Hubbard reduzido foi derivado, mapeando os cinco MLWOs para um sistema de dois orbitais (tipos $p$ e $d$). Este modelo foi posteriormente reduzido para uma representação de um único qubit, focando em subespaços específicos excitados por elétrons e buracos ($n_e=3$ e $n_e=1$).

2. O Algoritmo QAVG:

   • Em vez de usar uma única origem de energia, a QAVG emprega múltiplos deslocamentos de origem de energia ($E_{orig}^{(s)}$) menores que a resolução da grade ($1/t_0$).
   • A abordagem utiliza parametrização contínua motivada fisicamente. Amplitudes de transição desconhecidas são parametrizadas usando ângulos ($\vartheta$) para satisfazer condições de ortonormalidade derivadas de orbitais naturais.
   • Uma função de custo é definida como a distância $L_1$ entre histogramas observados (de múltiplos deslocamentos de origem) e distribuições de probabilidade teóricas. A minimização desta função de custo média permite a reconstrução da Função de Green e da Densidade de Estados (DOS).

3. Implementação Experimental:

   • Os experimentos foram conduzidos no computador quântico de íons aprisionados Quantinuum H2-2.
   • Circuitos Físicos: Circuitos QPE padrão foram executados usando configurações com 3 qubits auxiliares e com um único qubit auxiliar (medição no meio do circuito).
   • Circuitos Lógicos: Circuitos QPE lógicos foram implementados usando o código de correção de erros Steane [[7, 1, 3]].
     • Estados lógicos foram preparados usando um circuito de codificação tolerante a falhas (FT) com qubits de bandeira.
     • Rotações $z$ lógicas foram implementadas de forma não-FT (já que a implementação transversal é impossível para portas não-Clifford neste código), mas correção de inversão de bit (BFC) offline foi aplicada às sequências de bits clássicos medidos para corrigir erros de qubit único.

Resultados Chave

• Reconstrução Espectral: A abordagem QAVG reconstruiu com sucesso a DOS de muitos elétrons para o modelo de dímero. Os resultados de circuitos físicos e lógicos mostraram desvios significativamente menores que a resolução nominal da grade QPE.
• Robustez ao Ruído: Mesmo ao usar histogramas ruidosos de circuitos lógicos (que envolveram mais qubits físicos e operações não-FT), os espectros reconstruídos concordaram bem com simulações sem ruído e benchmarks de Interação de Configuração Completa (FCI).
• Estabilidade de Otimização: As paisagens de custo médias sobre as grades deslocadas foram encontradas significativamente mais suaves do que aquelas de grades de referência única. O processo de média suprimiu substancialmente os mínimos locais causados pelo vazamento espectral, facilitando a convergência dos algoritmos de otimização (Nelder-Mead) para o mínimo global.
• Lógico vs. Físico: Embora circuitos lógicos tenham introduzido mais ruído devido à falta de correção de erros online para portas não-Clifford, o método QAVG permaneceu robusto. Os resultados da QPE lógica foram comparáveis aos resultados da QPE física, demonstrando a viabilidade de amostragem corrigida por erros mesmo com portas lógicas imperfeitas.

Significado e Alegações
O artigo alega que a QAVG fornece uma rota robusta para simulações quânticas de espectros correlacionados adequada para a era dos computadores quânticos tolerantes a falhas iniciais (early-FTQC).

• Superação dos Limites de Resolução: Ao combinar QPE de baixa resolução com múltiplos deslocamentos de origem e parametrização contínua, o método alcança "hiperacuidade" (um termo emprestado da ciência da visão), reconstruindo características espectrais finas que seriam de outra forma irresolúveis com o espaçamento de grade dado.
• Mitigação de Barreiras de Otimização: A abordagem aborda a "maldição da dimensionalidade" nas paisagens de custo ao suavizar mínimos locais, tornando a otimização de parâmetros mais confiável para sistemas maiores.
• Praticidade para early-FTQC: A demonstração em qubits lógicos usando o código Steane, apesar do uso de rotações lógicas não-FT e correção apenas offline, sugere que informações espectrais úteis podem ser extraídas antes que o hardware alcance tolerância total e genuína a falhas. Os autores postulam que esta abordagem se tornará ainda mais poderosa à medida que o hardware escala para suportar modelos maiores e mais realistas (por exemplo, o modelo completo de 17 orbitais mencionado como uma possibilidade futura).