Real-time Sign-Problem-Suppressed Quantum Monte Carlo Algorithm For Noisy Quantum Circuit Simulations

技术摘要：用于噪声量子电路模拟的实时符号问题抑制量子蒙特卡洛算法

问题陈述
随着量子处理器规模的扩大，对开放量子系统动力学进行高效经典模拟的需求变得至关重要。现实世界的硬件受环境噪声影响，需要模拟主方程（特别是针对马尔可夫正则下的 Gorini–Kossakowski–Sudarshan–Lindblad 或针对非马尔可夫正则下的 Redfield 方程）。直接对密度矩阵 $\rho(t)$ 进行数值积分的复杂度为 $O(D^2)$，其中 $D=2^n$，这使得精确模拟被限制在约 $n \approx 10$ 个量子比特左右。

现有的近似方法面临显著局限性：

• 量子轨迹 (QT) 方法： 通过将相互作用解构为随机过程提供 $O(D)$ 的内存缩放，但在主方程违反完全正定性（CP）时难以收敛，这在非马尔可夫动力学或存在负速率的情况下是常见现象。
• 张量网络方法： 对于低纠缠度非常高效，但随着电路深度和纠缠度的增加，性能会显著下降。

此外，标准的量子蒙特卡洛 (QMC) 方法通常受到“符号问题”的影响，即复数或负权重会导致统计误差呈指数级累积，从而阻碍长时间模拟。

方法论
作者提出了一种实时 QMC 算法，该算法通过随机压缩并演化在马尔可夫和非马尔可夫主方程下的密度矩阵。其核心创新包括：

1. 随机压缩与群体动力学：

   • 密度矩阵被向量化为一个超态 $|\rho(t)\rangle\rangle$，并由一组具有复数符号的“行走者” $\{w^{( \alpha)}_t\}$ 来近似。
   • 该算法利用了这样一个观察结果：由于退相干作用，开放系统的密度矩阵在计算基下趋于“伪稀疏”。
   • 算法不再演化一个稠密矩阵，而是演化一个由整数值稀疏向量组成的群体向量 $|N(t)\rangle\rangle$。物理密度矩阵通过系综平均恢复：$|\rho(t)\rangle\rangle \approx \frac{1}{N_{sample} N_{diag}} \sum |N^{(i)}(t)\rangle\rangle$。

2. 通过动态湮灭抑制符号问题：

   • 与传统 QMC 方法仅在模拟结束时进行符号抵消不同，本算法在每个时间步都动态地处理符号问题。
   • 演化过程分为生成 (spawn) 和湮灭 (annihilation) 步骤。在湮灭步骤中，处于相同状态但具有相反符号（例如 $+1$ 与 $-1$，或$+i$与$-i$）的行走者会显式地相互抵消。
   • 通过维持足够数量的对角线行走者 ($N_{diag}$)，算法确保了反向符号行走者的有效湮灭，从而抑制了符号问题的累积，并保持了密度矩阵的迹，而无需使用启发式的群体控制。

3. 处理非马尔可夫动力学：

   • 该方法直接模拟主方程，使其能够处理负速率（非马尔可夫性）的情况，而 QT 方法在这些情况下会失效。
   • 算法采用二阶 Adams–Bashforth (AB2) 求解器，相比标准的 Euler 求解器，在实时演化方面具有更高的精度。

4. 通过副本聚合实现可扩展性：

   • 算法允许聚合多个独立的、轻量级内存占用的副本。通过平均 $r$ 个副本，有效行走者数量变为 $N_{diag}^{eff} = r N_{diag}$，从而在不增加单副本内存占用 footprint 的情况下，将统计误差降低至 $(N_{diag}^{eff})^{-1/2}$。

主要贡献

• 算法开发： 一种新型 QMC 框架，将全组态相互作用量子蒙特卡洛 (FCIQMC) 推广到具有随时间变化哈密顿量的开放系统，专门设计用于通过动态湮灭来抑制符号问题。
• 迹保持： 该方法利用了主方程的迹保持特性，消除了对引入偏差的群体控制技术（常见于 FCIQMC）的需求，确保模拟符合物理一致性。
• 非马尔可夫能力： 该算法成功模拟了违反完全正定性的区域，这是标准 QT 方法会发散的领域。

结果
作者将该算法与最先进的 QT 方法（在 QuTiP 中实现）以及超导跨子量子比特模型上的精确解进行了基准测试：

• 马尔可夫电路：

  • 串扰抑制： 模拟了在动力学解耦 (DD) 下的 $n$-量子比特系统。对于 10 个量子比特的系统，QMC 在具有相当运行时间的情况下，实现了比 QT 更小的误差棒。
  • 缩放性： 对于更大规模的系统（高达 30 个量子比特），QMC 展示了比 QT 快 10 倍到 100 倍的加速。虽然 QT 在制备 GHZ 态时受限于 16 个量子比特的内存，但 QMC 通过副本聚合成功模拟了 30 个量子比特的电路。
  • 子空间效率： 有效子空间维度 $dim(H_{QMC})$ 随 $O(\lambda D)$ 缩放，其中 $\lambda \ll 1$。拟合结果显示其缩放为 $O(1.210^n)$ 和 $O(1.278^n)$，远优于全希尔伯特空间的 $O(2^n)$ 缩放。

• 非马尔可夫动力学：

  • 在耦合到共享玻色子浴（具有负速率的 Redfield 方程）的双量子比特模型中，QT 解迅速发散，迹值偏离了 1。
  • QMC 使用 $10^6$ 个行走者的单个样本，在整个模拟过程中均保持了与精确解的高度一致，并保持了迹的恒定。

• 资源估算：

  • 作者预计，模拟 50 个量子比特的电路在适度资源下是可行的（例如，在串扰抑制下约为 560 GB RAM，在 GHZ 制备下约为 80 GB），这远在指数增长成为瓶颈之前。

意义与主张
本文声称，该 QMC 算法代表了噪声量子电路经典模拟可扩展性的质的飞跃。通过有效地抑制符号问题并利用随机压缩，该方法在精度和计算效率方面均优于现有的 QT 方法，特别是在大规模系统和非马尔可夫机制中。

作者将此方法定位为以下领域的卓越工具：

• 模拟在现实噪声模型下的量子纠错和算法。
• 处理其他领域基于主方程的问题，如耗散相变、化学反应、输运现象和量子生物学。

这项工作并非提出新的实验硬件，而是提供了一个稳健的经典模拟框架，用以支持量子硬件和算法的开发与验证。