Pushing beyond the memory barrier in propagation algorithms with randomization

要理解这些研究人员的工作，必须首先掌握现代量子科学核心处的张力。量子计算机承诺解决当今机器无法解决的问题，但在我们能够信任它们之前，我们必须对其进行测试。这需要经典计算机——即我们熟悉的基于硅的机器——来模拟量子设备应当如何表现。挑战在于量子系统极其复杂。随着量子电路变得更深（即拥有更多的步骤和连接），描述它所需的信息量会呈爆炸式增长。这就像试图追踪一个旅行者在城市中可能采取的所有路径，而这座城市每经过一个街区就会扩大一倍。对于许多最有趣的量子实验而言，完美模拟它们所需的内存超出了即使是最大的超级计算机的容量。这创造了一道硬性壁垒：如果模拟所需的内存超过了现有的容量，它就根本无法运行。

在瑞士洛桑联邦理工学院工作的研究人员发现了一种突破这一壁垒的方法。他们开发了一种模拟量子电路的新方法，该方法不将内存视为一个固定的限制，而是一个灵活的预算。他们称这种方法为随机保利传播（randomized Pauli propagation），它使他们能够模拟那些原本需要比可用内存多出数百倍内存的电路。该方法并不试图存储量子态的每一个细节（这会迅速耗尽空间），而是保留适量的最重要的信息片段。当内存满时，计算机会对保留哪些片段以及丢弃哪些片段做出经过计算的猜测，并使用特定的数学策略来确保整体图像保持准确。通过在不同的处理器上多次运行此过程并对结果取平均值，他们可以重构出一个高度精确的答案，该答案与使用更庞大、更昂贵的模拟所产生的结果相匹配。

他们发现的核心在于如何处理可能性的爆炸。在标准模拟中，每当一个量子门作用于系统时，潜在状态的数量就会翻倍。最终，这些状态的列表会变得太长而无法放入内存。新方法接受了它无法持有全部内容的事实。相反，它使用了一种称为重采样（resampling）的技术。想象一个包含数千个项目的列表，其中一些很重，另一些很轻。如果你只能携带一些，你可能会只抓取最重的那些。然而，仅仅抓取最重的会引入偏差或系统误差，因为你忽略了那些可能仍然重要的较轻项目。研究人员发现，一种他们称为梳状重采样（comb resampling）的特定重采样方式比随机猜测要优越得多。这种方法在可能性列表中分布一个规则的网格，并根据网格线的落点来选择项目。这确保了选择是公平的，既保证了最重要的项目有很高的概率被保留，同时仍允许系统捕捉到那些较不显著项的影响。

至关重要的是，团队发现他们可以通过有意引入微小且受控的偏差来提高模拟的准确性。过去，科学家们试图让他们的模拟保持完全无偏，这意味着他们从不对某种结果产生偏好。但研究人员发现，面对有限的内存时，保持完全无偏实际上会导致结果变差，因为不确定性（或方差）会变得过大。通过仔细切断最小的、最不显著的细节并接受微小的误差作为交换，他们能够将不确定性控制在足够低的水平，从而获得清晰的答案。这种权衡使他们能够模拟比以往能模拟的电路更深的电路。他们在一种无序磁性系统模型上测试了这一点，这是一种以难以模拟而闻名的场景。他们的结果表明，该方法可以重现需要多出两个数量级内存的确定性计算的结果。在实际操作中，这意味着一个原本需要拥有海量内存的超级计算机才能运行的模拟，现在可以通过将工作拆分为许多较小的、独立的任务，在标准机器上运行。

该新框架的表现非常惊人。研究人员将该方法实现为一个开源软件包，并在标准计算机处理器上进行了测试。他们发现，他们可以在大约一秒钟内应用量子门并对包含十亿个项目的列表进行重采样。这种速度足以使该方法在实际应用中变得可行。更重要的是，该方法在可用处理器数量方面具有良好的扩展性。因为不同的运行过程是相互独立的，它们可以分布在许多计算机或图形卡上，而无需频繁通信。这把一个内存问题转化为了一个速度问题。如果研究人员有更多的时间和更多的计算机，他们只需运行更多的重复实验即可获得更精确的答案，而不是撞上一道无论投入多少时间都无法逾越的硬性壁垒。

研究人员还将该方法应用于最近的一项涉及量子计算机的实验。他们模拟了一个由64个量子比特排列成8x8网格的系统行为，但专门分析了晶格中间的3x3区域，以了解系统如何从一个“记得初始条件”的状态过渡到“变得随机”的状态。他们的模拟表明，实际量子硬件上报告的结果可能过度修正了误差，导致数值过低。这一发现凸显了拥有可靠经典工具来基准测试量子设备的重要性。如果没有这样的工具，很难判断一台量子计算机是在真正解决问题，还是其结果仅仅是噪声和误差的人造产物。通过提供一种能够高精度、低内存占用地模拟这些复杂系统的方法，这项工作为验证量子技术的进展提供了一种新途径。

这种方法的成功依赖于对多种因素的仔细平衡。研究人员表明，仅仅采用随机采样规则是不够的；该方法必须针对特定问题进行调整。他们发现，在重采样之前尽可能多地在内存中保留项目，比过于激进地过早削减列表效果更好。他们还证明，在列表中合并相同的项目对于降低内存使用量至关重要。这些见解，结合受控的偏差，构成了一个可以应用于各种量子电路的完整协议。这项工作并未完全解决量子模拟的问题，因为模拟电路的深度仍然存在限制。然而，它显著推向了这些极限，将一个硬性障碍变成了一个可控的约束。

在量子计算的宏大背景下，这一进展是一个重要的进步。它提供了一种在不需要构建更大经典计算机的情况下测试和验证量子设备的方法。随着量子硬件的不断改进，准确模拟它的能力对于调试和优化将变得日益重要。研究人员的方法提供了一条切实可行的路径，表明通过拥抱随机性并仔细管理内存，我们可以探索以前无法触及的量子现象。这项工作表明，量子模拟的未来可能不取决于构建具有无限内存的机器，而在于开发更聪明地利用现有内存的方法。