Clifford symmetries in quantum many-body systems

本文介绍了一种算法，该算法利用经典高效的 Clifford 群和图表示来自动发现任意多体哈密顿量中的对称性，并在多达一千个量子比特的系统上成功验证了其有效性。

要点

以下是用简单语言和创造性类比对该论文的解读。

核心难题：在杂乱房间中寻找隐藏规则

想象你拥有一台由成千上万个微小开关（称为量子比特）组成的巨大且极其复杂的机器。这台机器由一套称为哈密顿量的规则所支配。物理学家希望理解这台机器的工作原理，但由于机器过于复杂，计算其行为就像试图拼凑一个拥有十亿块碎片的拼图。

通常，让这幅拼图变得更容易的唯一方法是找到一种对称性。对称性就像一条隐藏的规则，它宣称：“如果你翻转这个开关或旋转那个部件，机器的外观将完全保持不变。”如果你找到了这些规则，就可以将巨大的拼图分解成更小、更易管理的部分。

然而，寻找这些规则极其困难。传统上，这依赖于人类天才凝视方程并产生“尤里卡！”（顿悟）时刻。但许多规则如此怪异且非局域（涉及相距甚远的开关），以至于即使是天才也无法察觉。现有的计算机程序只能发现简单、明显的规则，却会遗漏那些复杂的规则。

解决方案：一位“图论侦探”

本文的作者构建了一种新算法，它像一位侦探一样运作。这位侦探不盯着数学方程看，而是将整个机器转化为一张地图（即图）。

• 地图：想象机器中的每一个开关都是地图上的一个点。
• 连接：如果两个开关相互交互，就在它们之间画一条线。
• 颜色：每个点根据其连接的强度被涂上不同的颜色。

侦探的工作是观察这张地图，寻找图自同构。用通俗的话说，这意味着寻找重新排列地图上点（即洗牌开关）的方法，使得线条和颜色的图案在洗牌后看起来与之前完全相同。

如果你在洗牌后地图看起来没有变化，那么这种洗牌就对应于真实机器中的克利福德对称性。论文声称，这种方法的速度足以处理拥有1,000 个开关的机器，而以前这种规模的机器无法用这种方式进行分析。

第二个挑战：让规则变得可用

找到规则只是第一步。第二步是利用该规则来简化机器。

想象你发现了一个对称性，但它是一个杂乱的、纠缠在一起的结，一次性涉及 100 个开关。要使用这个规则，你仍然需要一台超级计算机来解开这个结。作者意识到，仅仅找到规则是不够的；你需要“解开”规则本身。

他们开发了算法的第二部分，它像一个解结器。它找到了一种观察机器的新方法（即新的参考系），在这种视角下，那个涉及 100 个开关的杂乱大结，实际上变成了 50 个独立的、简单的双开关结。

他们将此称为**“量子比特成本”**。

• 高成本：规则涉及一个巨大的、纠缠在一起的开关组。（难以使用）
• 低成本：规则涉及小的、独立的组。（易于使用）

他们的算法自动找到规则的“解结”版本，使得利用该对称性来解决问题成为可能。

他们做了什么（结果）

团队在几种类型的机器上测试了他们的侦探和解结器：

1. 随机机器：他们创建了注入隐藏规则的假机器。他们的算法迅速找到了这些规则，即使是针对拥有 1,000 个开关的机器。
2. 真实物理模型：他们将其应用于描述磁铁和粒子的著名模型（如海森堡 XXZ 模型和横向场伊辛模型）。

回报：
通过使用他们的方法，他们能够模拟比不使用该方法时大256 倍的系统。

• 时间：他们花费更少的时间来找到机器的“基态”（最低能量状态）。
• 内存：运行计算所需的计算机内存（RAM）显著减少。

总结

本文介绍了一个两步自动化流程：

1. 翻译：将复杂的量子机器转化为地图。
2. 检测：利用图论在该地图中检测隐藏的模式（对称性）。
3. 简化：简化这些模式，使其易于使用。

其结果是一种工具，能够发现人类无法找到、其他计算机也无法利用的庞大量子系统中的隐藏规则，从而使科学家能够理解和模拟比以往任何时候都更大的量子系统。

技术摘要

技术摘要：量子多体系统中的 Clifford 对称性

问题陈述
识别量子多体哈密顿量中的对称性，是进行解析理解、确定基态能量以及实现高效模拟的关键步骤。虽然对称性可以导致哈密顿量的块对角化并带来显著的计算节省，但寻找这些对称性通常是一个难以处理的问题，往往依赖于人类的直觉（“深入思考”）。现有的算法方法仅限于寻找泡利对称性（与哈密顿量对易的算符），尽管这些对称性很有用，但它们通常是非局域的，且无法为复杂的物理模型提供根本性的新见解。此外，能够寻找更复杂的非泡利对称性的方法，通常需要在希尔伯特空间中显式构建哈密顿量，或求解极具挑战性的优化问题，导致其扩展性受到限制，仅能应用于仅包含数十个量子比特的系统。目前尚无算法方法能够在大型系统（数百至数千个量子比特）中可靠地寻找非泡利对称性。

方法论
作者提出了一个算法框架，用于寻找并利用任意多体哈密顿量的Clifford 对称性。该方法利用了 Clifford 群的经典高效性以及图论。工作流程分为三个主要阶段：

1. 基于辛形式的图表示：
   输入哈密顿量 $\hat{H}$（表示为泡利字符串的求和）通过辛形式映射到表格表示。在此表示中，泡利字符串被视为 $\mathbb{Z}_2$ 上的 $2n$ 维向量，而非 $2^n \times 2^n$ 矩阵。作者构建了一个图，其中：

   • 顶点代表哈密顿量中的泡利项。
   • 顶点颜色编码泡利项的系数。
   • 如果对应的泡利字符串反对易（辛积为 1），则连接相应的顶点。
   • 辅助顶点和虚线边表示泡利字符串之间的线性依赖关系（回路）。

   这种构建确保了图的**自同构（GAs）**直接对应于哈密顿量的 Clifford 对称性。由于使用启发式搜索策略可以在拟多项式时间内求解 GAs，这使得在多达 1,000 个量子比特的系统中识别对称性成为可能。

2. 量子比特成本最小化：
   仅找到一个对称性 $\hat{S}$ 不足以用于模拟；必须通过对角化来利用它。然而，对角化一般的 Clifford 电路是 NP 难问题。为了解决这一问题，该算法寻找一个基变换（Clifford 算符 $\hat{B}$），将对称性 $\hat{S}$ 映射到最小形式 $\hat{S}_{\text{min}}$。这最小化了“量子比特成本” $Q(\hat{S})$，定义为对称性的任意单个张量因子作用的最大量子比特数。通过降低 $Q(\hat{S})$，对称性被集中到最小数量的相互作用量子比特上，从而使数值对角化变得可行。

3. 通过块分解进行利用：
   一旦获得并对角化了 $\hat{S}_{\text{min}}$，作者便将变换后的哈密顿量 $\hat{H}_{\text{sym}} = \hat{B}^\dagger \hat{H} \hat{B}$ 分解为作用于特定对称性子空间的有效哈密顿量 $\hat{H}_\alpha$。这些子空间由对称性的本征值定义。有效哈密顿量是通过数值方法推导出来的，无需构建完整的 $2^n \times 2^n$ 矩阵，而是依赖于由量子比特成本和本征值简并度决定的降低后的维度。

主要贡献

• Clifford 对称性的算法发现： 本文介绍了第一种能够在大规模量子系统（多达 $n=1000$ 个量子比特）中寻找非泡利（Clifford）对称性的算法方法，填补了此前方法仅限于泡利对称性或小型系统规模的空白。
• 图论映射： 该工作建立了寻找 Clifford 对称性与图自同构问题之间的严格映射，使得能够使用高效的拟多项式时间求解器。
• 量子比特成本最小化： 作者开发了一种最小化对称性量子比特成本的方法，确保随后的对称性对角化和利用在经典计算上仍是可处理的。
• 自动化块分解： 该框架自动生成描述分解后哈密顿量每个块的有效算符，便于直接应用于模拟任务。

结果
该方法在注入对称性的随机哈密顿量以及多种物理模型上进行了测试，包括费米 - 哈伯德梯子、无序费米子 $tV$ 链、横场伊辛（TFI）梯度和海森堡 XXZ 模型。

• 可扩展性： 该算法成功识别了多达 1,000 个量子比特实例的 Clifford 对称性。计算成本主要由寻找辛积矩阵主导，其随泡利项数量（$M$）呈二次方扩展。
• 模式识别： 对于 TFI 梯子，该算法识别出了遵循清晰模式的对称性，从而允许归纳构建适用于任意系统规模的对称性。
• 模拟效率： 在海森堡 XXZ 模型中，利用找到的对称性使得能够确定基态和 Haar 随机态的时间演化。
  • 对于 $n=24$，基态寻找实现了约 $\times 2$ 的加速。
  • 对于 $n=20$，时间演化实现了约 $\times 4$ 的加速。
  • 至关重要的是，该方法使得精确对角化（ED）能够求解比不利用对称性时大256 倍的系统，其限制仅取决于可用内存（64 GB）。
  • 如果初始态被限制在单个子空间内，潜在的加速范围可达 $\times 40$ 至 $\times 6 \cdot 10^4$。

意义与主张
作者声称，这项工作代表了多体物理中完全自动化对称性寻找的重大进展。通过将人类智慧与算法相结合，该方法提供了对物理模型更深刻的解析理解，并使得模拟此前经典方法无法触及的系统成为可能。该方法不仅限于寻找对称性，还通过最小化对角化所需的计算资源来确保其可被利用性。论文指出，该框架既能推动经典模拟技术的发展（通过为 DMRG 或张量网络等求解器提供受对称性启发的试探解），也能优化量子算法（通过优化变分本征求解器）。作者指出，未来的方向包括用于解析洞察的自动化模式识别、向非 Clifford 和手征对称性的扩展，以及不相交子空间分解的进一步优化。