ffsim: Faster simulation of fermionic quantum circuits

本文介绍了 ffsim，这是一个开源库，它通过利用粒子数和自旋守恒对称性来降低内存和时间成本，从而显著加速费米子量子电路模拟，同时提供高级功能，并与 Qiskit 和 PySCF 等工具无缝集成，支持多达 64 个量子比特的系统。

要点

想象一下，你试图模拟一个巨大而复杂的舞池，成千上万的舞者（电子）在其中移动。在量子物理世界中，这些舞者是“费米子”，它们遵循一条非常严格的规则：任何两名舞者绝不能在完全相同的时间占据完全相同的位置。这使得用计算机模拟它们的运动变得极其困难，因为可能的舞蹈模式数量增长得如此迅速，以至于即使是最强大的超级计算机也会因此崩溃。

现在，ffsim 登场了。将 ffsim 想象成一位超级聪明、专门化的编舞助手，它并不试图 memorize 宇宙中每一个可能的舞蹈动作。相反，它掌握着一些秘密捷径。

秘密捷径：“派对规则”

在许多现实世界系统（如分子或材料）中，舞者们遵循两条严格规则：

1. 人数规则：舞者的总数从不改变。
2. 自旋规则：“自旋向上”的舞者数量与“自旋向下”的舞者数量保持恒定。

大多数通用计算机模拟器就像一台试图记录舞池所有可能版本的摄像机，包括那些舞者凭空出现或消失的版本。这会浪费海量的内存。

ffsim 则不同。它知道“派对规则”正在生效。它只记录那些实际遵守人数和自旋规则的舞蹈模式。通过忽略不可能的场景，它将所需的内存大幅缩减。

• 论文主张：对于一个拥有 64 个“量子比特”（相当于拥有 64 个位置的舞池）的系统，普通模拟器需要的内存超过地球上存在的总量（256 EB）。而 ffsim 完成同样的工作仅需 19.3 GB——相当于一台标准笔记本电脑硬盘的大小。

工作原理：“吉文斯旋转”

为了移动舞者，模拟器使用称为“门”的特定动作。

• 类比：想象你有一副代表舞者的扑克牌。通用模拟器可能会随机洗牌整副牌。而 ffsim 使用一种特定且高效的技术，称为吉文斯旋转（Givens rotation）。
• 它的作用：它不是洗牌一切，而是以一种非常有序、数学化的方式交换成对的牌。这就像一位编舞者，只按精确模式一次交换两名舞者，从而从一个队形过渡到下一个队形，而不是试图一次性重组整个房间。这种方法更快，且消耗的计算机资源更少。

工具箱：它还能做什么？

这篇论文将 ffsim 描述为不仅是一个模拟器，更是量子研究人员的瑞士军刀。它包括：

• 变分拟设（Variational Ansatzes）：这些是预先制作好的“舞蹈编排”（算法），研究人员可以调整它们以找到分子的最佳能量状态。这就像拥有一个预先写好的剧本库，你可以编辑它们以适应你的特定剧目。
• 时间旅行（哈密顿量演化）：它能够使用称为“Trotter-Suzuki"的方法，逐步模拟舞池随时间的变化。这就像逐帧播放一部舞蹈电影，以观察模式如何演变。
• 采样：它能够快速随机挑选现实可行的舞蹈队形（斯莱特行列式），以测试量子计算机可能的表现。
• 集成：它能与其他流行工具（如 Qiskit，一种量子编程语言，以及 PySCF，一种化学软件）良好协作。这就像一位翻译，让不同的软件团队能够相互沟通而不丢失信息。

竞赛：ffsim 与竞争对手

作者将 ffsim 与另一款流行工具 FQE（费米子量子模拟器）以及通用模拟器 Qiskit Aer 进行了比较。

• 结果：ffsim 显著更快。在某些测试中，它比 FQE 快达 18 倍。
• 原因：虽然 FQE 使用一种不同的数学方法（LU 分解），有时不得不“撤销”自己的工作，但 ffsim 直接使用吉文斯旋转方法，这种方法针对此类特定问题更加 streamlined（精简高效）。
• 通才与专才：通用模拟器（Qiskit Aer）如此缓慢且消耗内存，以至于它甚至无法处理 ffsim 轻松解决的最大的测试案例（16 个轨道）。

现实世界测试

作者不仅谈论速度，还展示了它在真实科学问题上的应用：

1. 哈伯德模型（Hubbard Model）：他们模拟了一个电子网格（像棋盘），以观察时间步长模拟中的误差行为。他们测试了高达 64 个量子比特的网格。
2. 氮分子（N2）：他们使用一种称为“Krylov 量子对角化”的方法来确定氮分子的能量。他们表明，即使使用“有噪声”或近似的时间步长，该方法仍然运作良好，这对于尚未完美的未来量子计算机至关重要。

总结

ffsim 是一个新的开源软件库，它使量子化学和材料科学的模拟变得更快、更经济。它通过忽略不可能的场景（利用对称性）并使用高效的数学技巧（吉文斯旋转）来实现这一点。它允许研究人员在单台笔记本电脑上模拟那些原本需要超级计算机才能处理的系统，从而帮助他们为未来的量子计算机设计更好的算法。

注：该论文完全专注于软件性能、模拟基准测试和算法效率。它并未声称能治愈疾病、预测天气或解决量子模拟和算法测试之外的问题。

技术摘要

"ffsim：更快的费米子量子电路模拟”技术摘要

问题陈述

随着量子计算硬件和算法的进步，通过经典模拟来测试、验证和表征这些系统的能力变得至关重要。尽管存在通用量子电路模拟器，但它们往往未能利用费米子系统固有的特定问题结构，导致内存使用量和模拟时间过高。具体而言，模拟费米子系统（如分子和材料）需要追踪粒子数守恒和自旋的 $z$ 分量。通用模拟器通常通过 Jordan-Wigner 变换等将费米子映射到量子比特，存储维度为 $2^{2N}$ 的状态向量（其中 $N$ 是空间轨道数），而忽略了这些对称性。这种指数级扩展使得即使在标准工作站上模拟中等规模系统（例如 52–64 个量子比特）也变得不可行，所需的内存量（例如 52 个量子比特需要 64 PiB）超出了世界上最强大超级计算机的容量。

方法论

本文介绍了 ffsim，这是一个开源 Python 库，旨在通过显式利用粒子数 ($N$) 和自旋 $z$ 分量 ($S_z$) 的守恒来模拟费米子量子电路。

状态向量表示

与存储完整 $2^{2N}$ 维向量的通用模拟器不同，ffsim 将模拟限制在由 $(N_\alpha, N_\beta)$ 标记的特定对称扇区内，其中 $N_\alpha$ 和 $N_\beta$ 分别是自旋向上和自旋向下电子的数量。状态向量表示为：
$$|\Psi\rangle = \sum_{I_\alpha, I_\beta} \gamma(I_\alpha, I_\beta) |I_\alpha, I_\beta\rangle$$
其中 $|I_\alpha, I_\beta\rangle$ 是电子构型（Slater 行列式）。该向量的维度为 $\binom{N}{N_\alpha} \times \binom{N}{N_\beta}$，远小于 $2^{2N}$。ffsim 利用 PySCF 的全组态相互作用 (FCI) 模块为这些基向量分配地址，确保与既定的量子化学工作流兼容。

门实现

该库实现了一组保持粒子数和自旋的通用费米子门。关键算法包括：

• 粒子数算子和演化与对角库仑演化：这些算法基于构型的占据数，直接将相位因子应用于系数 $\gamma(I_\alpha, I_\beta)$。
• 轨道旋转：通过将酉旋转分解为一系列 Givens 旋转来实现。这种方法避免了基于 LU 分解的方法（如竞争库 FQE 中使用的方法）所需的轨道置换，允许直接应用而无需基追踪或反转。
• 哈密顿量表示：ffsim 支持分子哈密顿量、双分解哈密顿量和对角库仑哈密顿量。

软件架构

• 混合实现：公共接口为 Python，但性能关键组件用 Rust 实现并编译为二进制文件以进行跨平台分发。
• 集成：它与 Qiskit 无缝集成（允许模拟汉明权重保持电路，并为费米子门提供优化的转换器传递），并与 PySCF 集成（用于哈密顿量构建和状态向量寻址）。
• 功能：除了基本的状态向量演化外，ffsim 还包括变分 ansatz（UCJ、LUCJ、UCCSD）、通过 Trotter-Suzuki 乘积公式进行的哈密顿量时间演化、Slater 行列式的高效采样（使用行列式点过程）以及费米子算符正规排序的工具。

主要贡献

1. 性能优化：通过利用 $N$ 和 $S_z$ 对称性并利用高效的 Givens 旋转分解，ffsim 在现有专用模拟器（FQE）和通用模拟器（Qiskit Aer）之上实现了显著加速。
2. 内存效率：该库将内存需求降低了几个数量级。对于 1/8 填充的 64 量子比特 Hubbard 模型，ffsim 仅需 19.3 GiB，而通用模拟器则需要约 256 EiB。
3. 生态系统集成：它弥合了量子化学（PySCF）与量子计算（Qiskit）之间的差距，为算法开发和基准测试提供了统一环境。
4. 全面的功能集：它提供了用于变分算法、时间演化和采样的完整工具包，包括支持压缩双分解以减少电路深度。

结果

作者在 Linux (x86) 和 macOS (Apple Silicon) 系统上展示了 ffsim 与 FQE 和 Qiskit Aer 的性能基准测试比较：

• 状态向量模拟：对于测试的最大系统（16 个空间轨道，1/2 填充），在单线程基准测试中，ffsim 比 FQE 实现了 2.4 倍至 8.4 倍 的加速。通过多线程，二次哈密顿量演化和对角库仑演化的加速比达到 4.8 倍至 7.5 倍。对于双分解 Trotter 模拟，ffsim 实现了高达 18 倍 的加速，这归因于 FQE 在其 Trotter 实现中使用了效率较低的 Givens 旋转代码。
• 与通用模拟器的比较：由于内存限制，Qiskit Aer 无法模拟 16 轨道（32 量子比特）系统，而 ffsim 和 FQE 仅需 2.5 GiB。
• 附加功能：ffsim 在采样 Slater 行列式方面比 DPPy 快 3.5 倍，在费米子算符正规排序方面比 OpenFermion 快 20 倍。
• 科学应用：该库成功模拟了：
  • 铁硫簇 [2Fe-2S] 的基于采样的算法（30 个电子，20 个轨道 $\rightarrow$ 40 个量子比特）。
  • $N_2$ 的 LUCJ ansatz 初始化（10 个电子，26 个轨道 $\rightarrow$ 52 个量子比特），该系统进行通用模拟需要 64 PiB，而 ffsim 仅需 64.5 GiB。
  • 2D Hubbard 模型（高达 64 个量子比特）的 Trotter 误差分析和 $N_2$ 的 Krylov 量子对角化 (KQD)。

意义与主张

本文声称，ffsim 相比通用模拟器提供了“显著的效率提升”，并且在速度和软件设计方面均优于现有的专用库 FQE。其主要意义在于扩展了经典可处理的费米子系统的范围，使得在标准工作站上模拟多达 64 个量子比特的电路成为可能。这一能力使研究人员能够原型化算法、验证量子硬件结果，并研究以前无法访问的真实化学系统的基于采样的算法。作者将 ffsim 定位为量子计算社区开发和测试新兴硬件算法的重要工具，未来的工作可能会专注于 GPU 加速以进一步扩展这些能力。