Rigorous Time-dependent Hamiltonian Learning via Continuous Weak Measurements

Resumo Técnico: Aprendizado de Hamiltoniano Dependente do Tempo via Medições Fracas Contínuas

Enunciado do Problema
Caracterizar o Hamiltoniano implementado por processadores quânticos é essencial para calibração e validação. Embora existam protocolos de aprendizado de Hamiltoniano (HL) para sistemas estáticos, muitos dispositivos relevantes para o hardware operam com geradores explicitamente dependentes do tempo (ex: pulsos de controle moldados, acopladores sintonizáveis e engenharia de Floquet). Métodos existentes para HL dependente do tempo têm sido amplamente limitados a sistemas de poucos qubits ou procedimentos heurísticos que carecem de limites de erro rigorosos e garantias de escalabilidade. Um desafio central é o crescimento exponencial de parâmetros com o tamanho do sistema; entretanto, Hamiltonianos físicos são tipicamente esparsos. A questão aberta abordada por este trabalho é se a localidade que permite o HL estático escalável pode ser estendida para reconstruir Hamiltonianos dependentes do tempo a partir de registros de medição fraca contínua sem exigir estados de sonda emaranhados ou incorrer em overhead exponencial.

Metodologia
Os autores propõem um protocolo para aprender os coeficientes dependentes do tempo $\mu(t)$ de um Hamiltoniano de muitos corpos esparso $H(t) = \sum_{i=1}^r \mu_i(t) W_i$, onde $W_i$ são strings de Pauli conhecidas. O sistema é monitorado via medições fracas contínuas de observáveis locais (especificamente $\sigma_z$ em cada qubit), que induzem desfasamento induzido pela medição.

A metodologia central envolve três componentes principais:

1. Problemas Inversos Locais via Registros de Medição Fraca:
   Em vez de resolver um problema inverso global, o protocolo explora a esparsidade do Hamiltoniano. Ao analisar a equação de movimento para observáveis monitorados, os autores derivam uma relação linear entre as diferenças finitas dos registros de medição e os coeficientes instantâneos do Hamiltoniano. Crucialmente, a evolução de um observável local $Z_j$ depende apenas de termos do Hamiltoniano que não comutam com $Z_j$. Isso define um "vizinhança ativa" $N(j)$ para cada sítio $j$. A reconstrução global é decomposta em um conjunto de problemas inversos locais, cada um envolvendo apenas os coeficientes em $N(j)$.

2. Construção de Sonda via Coloração de Grafos:
   Para resolver os problemas inversos locais, é necessário um conjunto de estados de sonda. Os autores demonstram que estados de sonda separáveis puros são suficientes para inicializar essas inversões. Eles introduzem uma construção baseada em teoria de grafos para incorporar essas sondas locais em preparações globais:

   • Um grafo de vizinhança ativa é construído onde os vértices representam os problemas inversos locais (vizinhanças) e as arestas conectam vizinhanças com suporte físico sobreposto.
   • Uma coloração de grafos deste grafo particiona as vizinhanças em conjuntos disjuntos (classes de cores) que podem ser endereçados simultaneamente.
   • Isso permite a construção de um estado produto separável global que endereça todas as vizinhanças de uma classe de cor específica em paralelo. O número de configurações de sonda globais necessárias é limitado pelo número cromático do grafo de vizinhança ativa, que escala com o grau de interação local $D$ em vez do tamanho total do sistema $n$.

3. Atualização Iterativa de Estado e Análise de Erro:
   O protocolo opera iterativamente. Em cada passo de tempo $t_k$:

   • Os coeficientes locais são estimados usando a pseudoinversa de Moore–Penrose da matriz de reconstrução local (derivada das estimativas de estado atuais e registros de medição).
   • O Hamiltoniano estimado é usado para propagar as estimativas do estado de sonda para o próximo passo de tempo via equação mestre efetiva (incluindo o backaction da medição).
   • Os autores derivam limites de erro rigorosos que separam explicitamente o ruído estatístico (de amostragem finita de trajetórias) do viés determinístico (decorrente da discretização de Euler e da acumulação de erros de atualização de estado).

Principais Contribuições

• Escalabilidade via Localidade: O protocolo reduz a reconstrução global de um Hamiltoniano dependente do tempo para problemas inversos locais. O número de configurações de sonda necessárias escala com a conectividade de interação local ($D$) em vez do tamanho do sistema ($n$) ou do número total de termos do Hamiltoniano.
• Sondas Separáveis: O trabalho prova que estados de sonda emarançados não são necessários; estados separáveis puros são suficientes para inicializar as inversões locais.
• Limites de Erro Rigorosos: O artigo fornece limites explícitos de erro de reconstrução $\ell_2$ e um teorema de complexidade de amostragem. Esses limites distinguem claramente o erro estatístico (reduzível aumentando o número de trajetórias) do piso de viés determinístico (intrínseco ao tamanho do passo de tempo e à propagação iterativa).
• Estrutura de Teoria de Grafos: Um método sistemático usando coloração de grafos para minimizar o overhead de preparação de sondas para sistemas de muitos corpos esparsos.

Resultos
O protocolo foi validado numericamente em cadeias do modelo de Ising de campo transversal (TFIM) dependentes do tempo com até $n=8$ qubits.

• Precisão de Reconstrução: O método recuperou com sucesso trajetórias completas de coeficientes dependentes do tempo para campos locais e acoplamentos de vizinhança próxima.
• Comparação de Conjunto de Sondas: Simulações numéricas compararam um conjunto de coloração de grafos mínimo ($S=9$ sondas) contra um conjunto sobrecompleto de autoestados de Pauli ($S=36$ sondas). O conjunto mínimo apresentou bom desempenho em janelas de tempo curtas, enquanto o conjunto sobrecompleto demonstrou maior estabilidade e robustez contra o desfasamento induzido pela medição em janelas de reconstrução mais longas, destacando o compromisso entre custo de preparação e estabilidade.
• Escalonamento de Complexidade de Amostragem: Os resultados numéricos confirmaram as previsões teóricas. No regime dominado pela estatística, o erro de reconstrução escalou aproximadamente como $N_{tot}^{-\alpha}$ (com $\alpha \approx 0,4$). À medida que o número de trajetórias aumentava, o erro saturava em um "piso de viés" determinado pelo erro de integração determinística, consistente com os limites derivados. O erro também exibiu escalonamento sublinear com o tamanho do sistema, consistente com a dependência $\sqrt{n}$ na previsão teórica.

Significância e Alegações
Os autores alegam estabelecer uma fundação rigorosa para o aprendizado de Hamiltoniano dependente do tempo em sistemas de muitos corpos esparsos usando monitoramento contínuo. A significância reside em:

1. Extensão da Escalabilidade: Provar que o princípio da localidade, anteriormente aplicado a Hamiltonians estáticos, controla a complexidade da reconstrução dependente do tempo a partir de dados de medição fraca.
2. Viabilidade Experimental: A dependência de estados de sonda separáveis e medições fracas locais torna o protocolo compatível com plataformas analógicas de curto prazo e processadores quânticos acessíveis via nuvem (via medições fracas projetadas).
3. Clareza Teórica: A separação de erros estatísticos e determinísticos fornece um framework claro para entender as limitações de protocolos de aprendizado iterativos, especificamente o compromisso entre resolução de passo de tempo e amplificação de ruído.

O artigo conclui que, embora a implementação atual utilize atualizações de Euler de primeira ordem, o framework se estende naturalmente para geometrias mais ricas, conjuntos de sondas (incluindo potencialmente emarançados) e geradores de sistemas abertos, embora essas extensões específicas sejam deixadas para trabalhos futuros.