Ground state preparation of random all-to-all Hamiltonians using ADAPT-VQE

Este artigo demonstra que o algoritmo TETRIS-ADAPT-VQE pode alcançar a preparação de estado fundamental de alta fidelidade para Hamiltonianos aleatórios de todos-para-todos como os modelos SK e SYK, embora permaneça eficiente apenas para o modelo SK, falhando em escalar eficientemente para modelos SYK densos ou moderadamente esparsos.

O essencial

Imagine que você está tentando encontrar a posição mais estável e relaxada para uma multidão de pessoas massiva e caótica. No mundo da física quântica, essa "multidão" é um grupo de partículas, e sua "posição relaxada" é chamada de estado fundamental. Encontrar esse estado é crucial para entender como os materiais se comportam, como os buracos negros funcionam e até como a gravidade se conecta à mecânica quântica.

No entanto, algumas dessas multidões são incrivelmente difíceis de organizar. Elas são "aleatórias" e "todos-com-todos", o que significa que cada partícula individual está constantemente interagindo com todas as outras partículas, não apenas com suas vizinhas. Isso cria um nível de complexidade que é como tentar desatar um nó onde cada corda está amarrada a todas as outras.

Este artigo investiga se podemos usar um novo tipo de algoritmo de computador quântico, chamado TETRIS-ADAPT-VQE, para organizar essas multidões caóticas de forma eficiente. Pense neste algoritmo como um construtor inteligente e adaptável que constrói um "circuito" específico (um conjunto de instruções) para guiar as partículas em seu estado mais calmo. Os pesquisadores testaram isso em três tipos diferentes de multidões caóticas:

1. O Modelo SK Quântico: Uma multidão onde todos interagem com todos de forma aleatória.
2. O Modelo SYK Denso: Uma multidão onde todos interagem com todos, mas as regras são ligeiramente diferentes (envolvendo tipos específicos de partículas chamadas férmions de Majorana).
3. O Modelo SYK Esparso: Uma versão "esvaziada" do modelo SYK Denso, onde muitas das interações foram removidas para ver se ele se torna mais fácil de gerenciar.

Os Resultados: Um Conto de Duas Multidões

Os pesquisadores descobriram que a dificuldade de organizar essas multidões depende inteiramente de qual multidão você está lidando.

1. O Modelo SK: A Multidão Gerenciável
Para o modelo SK quântico, o algoritmo funcionou maravilhosamente. Era como construir uma casa com um conjunto padrão de tijolos. À medida que a multidão crescia (até 18 pessoas), o número de instruções necessárias para organizá-las crescia de uma forma previsível e gerenciável (crescimento polinomial). O algoritmo encontrou com sucesso a posição de repouso perfeita com precisão quase perfeita (mais de 99,99% de correção).

• A Lição: Para este tipo específico de interação aleatória, os computadores quânticos parecem muito promissores para resolver o problema de forma eficiente.

2. Os Modelos SYK: O Nó Impossível
Para ambos os modelos SYK, "Denso" e "Esparso", a história foi muito diferente. Mesmo que o modelo "Esparso" tivesse menos interações (como remover alguns dos fios emaranhados), o algoritmo ainda teve dificuldades imensas.

• O Problema: À medida que a multidão crescia (até 20 partículas), o número de instruções necessárias para organizá-las explodia exponencialmente. É como se adicionar apenas mais uma pessoa à sala exigisse dobrar toda a equipe de construção e a quantidade de materiais de construção.
• A Surpresa: Os pesquisadores esperavam que tornar o modelo "esparso" (removendo interações) o tornasse mais fácil. No entanto, eles descobriram que o emaranhamento (as conexões invisíveis e complexas entre as partículas) permanecia tão bagunçado e "pesado em volume" quanto a versão densa. As partículas ainda estavam tão profundamente ligadas que remover algumas regras não simplificou o quebra-cabeça geral.
• A Lição: Mesmo com um algoritmo quântico poderoso, preparar o estado fundamental para esses modelos SYK específicos é atualmente difícil demais. A complexidade cresce rápido demais para o computador lidar conforme o sistema aumenta de tamanho.

Por Que Isso Importa?

O artigo conclui que, embora os computadores quânticos possam ser ótimos para resolver problemas aleatórios do tipo "SK", eles batem em um muro com o tipo "SYK". O modelo SYK "Esparso", que se esperava ser uma versão mais fácil, revelou-se tão difícil quanto a versão densa porque a natureza fundamental das conexões das partículas (seu emaranhamento) não mudou apenas porque havia menos regras.

Em suma: os pesquisadores construíram um "organizador" muito inteligente (o algoritmo). Ele funcionou perfeitamente para um tipo de sala caótica, mas falhou em escalar para os outros dois, provando que alguns problemas quânticos são inerentemente muito mais difíceis de resolver do que outros.

Resumo técnico

Resumo Técnico: Preparação do Estado Fundamental de Hamiltonianos Aleatórios de Todo-para-Todos usando ADAPT-VQE

Definição do Problema
O artigo aborda o desafio de preparar estados fundamentais para Hamiltonianos aleatórios com interações de todo-para-todos, especificamente o modelo de spin de Sherrington-Kirkpatrick (SK) quântico e o modelo de Sachdev-Ye-Kitaev (SYK) (em suas variantes densa e esparsa). Esses sistemas são caracterizados por emaranhamento de lei de volume (volume-law) em seus estados fundamentais, o que os torna difíceis de simular utilizando métodos clássicos de redes de tensores. Embora os Estados Quânticos Neurais (NQS) tenham melhorado as aproximações clássicas, eles têm dificuldade em reproduzir o comportamento correto de todos os estados de lei de volume, particularmente para o modelo SYK. Consequentemente, os autores investigam se algoritmos quânticos variacionais podem oferecer uma vantagem quântica na simulação desses sistemas desordenados específicos, uma questão que permanece aberta, apesar de argumentos teóricos sugerirem que Hamiltonianos aleatórios suficientemente esparsos poderiam ser fáceis de preparar.

Metodologia
Os autores utilizam o algoritmo TETRIS-ADAPT-VQE (Adaptive Derivative Assembled Problem-Tailored Variational Quantum Eigensolver). Esta abordagem constrói circuitos quânticos compactos e amigáveis ao hardware, selecionando iterativamente operadores de um conjunto (pool) predefinido com base na informação de gradiente, evitando os problemas de otimização associados a ansatzes fixos.

Componentes metodológicos principais incluem:

• Pools de Operadores: Para respeitar as simetrias dos Hamiltonianos e garantir uma convergência eficiente, os autores constroem pools de operadores de Pauli informados por simetria.
  • Para o modelo SK, o pool inclui os operadores $Z_i Y_j$ e $Y_i Z_j$ ($i < j$), derivados das simetrias de reversão temporal e paridade.
  • Para os modelos SYK (densos e esparsos), o pool inclui $Z_i$, $X_i Y_j$, $Y_i X_j$ e $Z_i Z_j$ ($i < j$), respeitando a simetria de paridade $Z_2$.
• Estados de Referência: As simulações utilizam uma superposição igual de estados de Néel (para SK) ou estados de Néel específicos no setor de paridade $Z_2$ correto (para SYK) como estado de referência inicial.
• Escopo da Simulação: O estudo realiza simulações clássicas sem ruído para avaliar o escalonamento.
  • Modelo SK: Até $L = 18$ sítios (qubits).
  • Modelos SYK: Até $N = 20$ férmions de Majorana (correspondentes a $n = 10$ qubits). O modelo SYK esparso utiliza um parâmetro de esparsificação $k_s = 9$.

Principais Resultados
O desempenho do algoritmo varia significativamente entre os modelos SK e SYK:

1. Modelo SK Quântico:

   • O algoritmo constrói com sucesso estados fundamentais precisos para até $L=18$ qubits.
   • Fidelidade: Alcança fidelidades $\geq 99,9998\%$ em todas as instâncias testadas.
   • Escalonamento: A preparação é eficiente, com a profundidade de portas de dois qubits (contagem de CNOT) e o número de parâmetros variacionais escalando polinomialmente com o tamanho do sistema.
   • Dependência de Fase: O algoritmo requer menos iterações e parâmetros para $\Gamma = 3$ (fase paramagnética) em comparação com $\Gamma = 1$ (próximo à transição de fase de vidro de spin em $\Gamma = 1,5$), refletindo a mudança na complexidade do estado fundamental.

2. Modelos SYK Densos e Esparsos:

   • O algoritmo alcança altas fidelidades ($\geq 99,3\%$) para até $N=20$ férmions de Majorana.
   • Escalonamento: Ao contrário do modelo SK, a profundidade de portas de dois qubits e o número de parâmetros escalam exponencialmente (ou como um polinômio de alto grau) com o tamanho do sistema para ambas as variantes, densa e esparsa.
   • Impacto da Esparsificação: Embora a esparsificação (reduzindo os termos do Hamiltoniano de $O(N^4)$ para $O(N)$) reduza significativamente o custo de medição para o pós-processamento clássico, ela não reduz a complexidade variacional necessária para preparar o estado fundamental.
   • Análise de Emaranhamento: Ambos os estados fundamentais de SYK (denso e esparso com $k_s=9$) exibem entropia de emaranhamento de lei de volume ($S_{EE} \propto N$) com coeficientes quase idênticos. Isso indica que a dificuldade de preparação é impulsionada pela estrutura de emaranhamento do estado, e não pelo número de termos do Hamiltoniano.

Significância e Alegações
O artigo afirma que, embora o TETRIS-ADAPT-VQE seja um método eficiente para preparar estados fundamentais do modelo SK quântico (sugerindo que é uma tarefa adequada para computadores quânticos de curto prazo), ele não é eficiente para os modelos SYK densos ou moderadamente esparsos considerados.

• Dificuldade Intrínseca: Os autores concluem que o escalonamento exponencial observado para os modelos SYK é provavelmente intrínseco ao problema (devido ao emaranhamento de lei de volume) e não um artefato de escolhas de hiperparâmetros, conforme testado pela variação de estados de referência e pools de operadores.
• Limites da Esparsificação: O trabalho demonstra que, para $k_s = 9$, a esparsificação não torna o problema de preparação do estado fundamental "fácil" no sentido quântico, distinguindo esses modelos dos Hamiltonianos "suficientemente esparsos" ($d=O(1)$) discutidos na literatura teórica onde a preparação é considerada fácil.
• Questões em Aberto: Os autores observam que permanece uma questão aberta se a preparação do estado fundamental pode ser eficiente para esses modelos em computadores quânticos para regimes de menor esparsidade ($k_s \gg 1$) ou se algoritmos alternativos (por exemplo, AVQITE) poderiam apresentar resultados diferentes. Eles também descobriram que a transferibilidade de ansatz entre diferentes instâncias de desordem não funciona na prática para esses sistemas.

Em resumo, o trabalho fornece um benchmark numérico rigoroso mostrando que, embora algoritmos quânticos variacionais possam lidar com certos modelos de spin de todo-para-todos de forma eficiente, eles atualmente enfrentam barreiras de escalonamento significativas para modelos fermiônicos com emaranhamento de lei de volume, como o modelo SYK, mesmo quando o Hamiltoniano é esparsificado.