Tensor-network simulation of strongly coupled multi-fluxonium circuits
本文介绍了一种利用矩阵乘积态和算符进行张量网络模拟的方法，用于高效计算强耦合多通量子（multi-fluxonium）超导电路的低能谱，通过随模式数量和截断参数而非全希尔伯特空间维度进行缩放，克服了精确对角化方法的指数级内存限制。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
设计超导量子处理器有点像是在试图预测一台复杂机器在建成之前的行为。这台机器由微小的电流电路组成，这些电路在接近绝对零度的温度下可以无电阻地传输电流。这些电路是处理器的核心，其行为由其能量级的数学描述所决定。为了理解这台机器会如何运作，科学家必须计算出这些电路的最低能量状态。然而，随着电路中组件数量的增加，计算的复杂度会呈爆炸式增长。可能的状态数量增长得如此之快，以至于当电路变得足够大且具有实用价值时，即使是最强大的计算机也无法处理全貌。这造成了一个瓶颈：工程师们无法设计更好的机器，因为他们无法准确模拟他们试图建造的机器。
当电路的组件彼此强烈耦合时，这一挑战尤为严峻。在许多传统方法中，科学家试图将复杂的电路分解成较小的、易于处理的部分，分别求解每个部分，然后将答案拼接在一起。当各部分连接松散时，这种方法效果良好，但当各部分紧密交织时（正如当今正在开发的先进电路那样），这种方法往往会失效。如果分割方式不正确，最终答案就会出错，而且人们很难判断错误是因为部件选择不当，还是因为计算精度不够。
来自 Qilimanjaro Quantum Tech 的一个研究团队与巴塞罗那的多家机构共同开发了一种解决此问题的新方法。他们没有将电路随意切割成子系统，而是将整个电路视为一个统一的整体。他们使用了一种称为张量网络（tensor network）的数学技术，这种技术旨在处理复杂的互连数据，而无需在内存中存储每一个可能的状态。通过专注于整个电路的自然振动（即模态），他们能够以一种既紧凑又准确的方式来表示该系统。这种方法使他们能够模拟一个拥有三个量子单元（称为 fluxonia）的电路，这在以前使用标准方法是无法计算的。
研究人员在两种不同的电路上测试了他们的方法。第一个电路是由一个可调耦合器连接的一对 fluxonia。对于这个较小的系统，他们可以将新方法与传统的精确计算进行对比，以验证其准确性。结果令人瞩目：新方法的计算结果与精确计算的误差在一百万分之一千兆赫兹以内，这一精度水平足以用于设计量子处理器。这次验证让他们有信心转向更大、更难的电路。
第二个电路由两个可调耦合器连接的三个 fluxonia 组成。这个系统的十一种不同振动模态以及理论上的可能状态数量极其庞大，以至于如果尝试一次性存储所有数据，其规模将超过世界上最强大的超级计算机的内存容量。使用标准计算机，需要存储相当于 170 亿 GB 的数值才能呈现全貌，这远远超出了当前的技术能力。即使是采用只存储非零值的更聪明的方法，所需的内存也会超过单个计算节点的容量。
利用这种新的张量网络方法，研究人员成功求解了这个庞大的三 fluxonium 电路的最低能量级。他们发现，通过使用键维数为 32 的张量网络，就能高精度地计算出八个最低能量状态。简单来说，这意味着计算机只需要追踪系统中相对较少的连接关系，就能得到正确答案。整个计算过程耗时 81 分钟，仅在单个中央处理器上使用了 1.3 GB 的内存。这只是旧方法所需资源的极小部分，而旧方法根本无法运行此类模拟。
这次模拟的成功表明，研究人员现在可以对以前无法触及的电路进行建模。该方法不依赖于猜测如何拆分电路，也不依赖于对部件间相互作用进行近似假设。相反，它利用电路本身的自然结构来寻找一条高效的求解路径。研究人员通过使用不同的起始点多次运行计算，并检查随着调整计算精度时答案的变化情况，确认了其结果的稳定性和可靠性。他们发现结果收敛很快，这意味着该方法是稳健的，不会陷入错误的解中。
这项工作为量子处理器的设计提供了一个强大的新工具。通过允许工程师高精度、低计算成本地模拟复杂的强耦合电路，该方法消除了构建更好量子机器的主要障碍。它表明，即使电路的组件高度纠缠，我们也完全可以理解它们的集体行为，而不必存储无法实现的庞大数据量。研究人员已经证明，量子电路设计的未来路径并不需要等待计算机变得无限强大，而是需要更聪明地利用我们现有的计算机。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。