Simulación de circuitos cuánticos utilizando redes de tensor de árbol

Simulación de circuitos cuánticos utilizando redes de tensor de árbol

Marca de tiempo: 30 de marzo de 2023 6:53 a. M.

philipp seitz1, Ismael Medina2, Ester Cruz3, Qunsheng Huang1y Christian B. Mendl1

1Universidad Técnica de Munich, Departamento de Informática, Boltzmannstraße 3, 85748 Garching, Alemania
2Universidad de Göttingen, Campus Institute Data Science
3Instituto Max-Planck de Óptica Cuántica, Hans-Kopfermann-Straße 1, 85748 Garching, Alemania

¿Encuentra este documento interesante o quiere discutirlo? Scite o deje un comentario en SciRate.

Resumen

Desarrollamos y analizamos un método para simular circuitos cuánticos en computadoras clásicas mediante la representación de estados cuánticos como redes de tensores de árboles enraizados. Nuestro algoritmo primero determina una estructura de árbol fija adecuada adaptada al entrelazamiento esperado generado por el circuito cuántico. Las puertas se aplican secuencialmente al árbol absorbiendo puertas de un solo qubit en nodos hoja y dividiendo las puertas de dos qubit mediante la descomposición de valores singulares y enhebrando el enlace virtual resultante a través del árbol. Analizamos teóricamente la aplicabilidad del método, así como su costo computacional y requisitos de memoria, e identificamos escenarios ventajosos en términos de dimensiones de enlace requeridas en comparación con una representación de estado de producto de matriz. El estudio se complementa con experimentos numéricos para diferentes diseños de circuitos cuánticos de hasta 37 qubits.

Simulación de circuitos cuánticos utilizando redes de tensores de árboles PlatoBlockchain Data Intelligence. Búsqueda vertical. Ai.

Imagen destacada: Tree Tensor Network con patrones cuánticos.

Resumen popular

Las simulaciones clásicas de los sistemas cuánticos se encuentran en el centro de la discusión sobre la supremacía cuántica, y los métodos de red de tensores son uno de los enfoques de simulación clásica más competitivos.

En este trabajo, realizamos simulaciones de circuitos cuánticos representando estados cuánticos como redes de tensores de árboles. Nuestro algoritmo agrupa qubits en función del entrelazamiento esperado entre ellos, lo que reduce el costo computacional. Las puertas cuánticas de dos qubits se aplican enhebrando su entrelazamiento introducido, representado como un "enlace virtual", a través de la estructura de árbol.

Realizamos un análisis teórico comparando el costo computacional y el consumo de memoria con simulaciones tradicionales basadas en vectores de estado en diferentes escenarios. En escenarios favorables, nuestro simulador supera significativamente la implementación de referencia; vemos una aceleración de simulación de hasta dos magnitudes y una reducción de memoria por un factor de hasta 32x.

► datos BibTeX

► referencias

[ 1 ] F. Verstraete, V. Murg y JI Cirac. "Estados de productos de matriz, estados de pares entrelazados proyectados y métodos de grupo de renormalización variacional para sistemas de espín cuántico". Adv. física 57, 143–224 (2008).
https: / / doi.org/ 10.1080 / 14789940801912366

[ 2 ] U. Schollwöck. "El grupo de renormalización de la matriz de densidad en la era de los estados del producto de la matriz". Ana. física 326, 96–192 (2011).
https: / / doi.org/ 10.1016 / j.aop.2010.09.012

[ 3 ] Jacob C. Bridgeman y Christopher T. Chubb. “Agitación de manos y danza interpretativa: un curso de introducción a las redes de tensores”. J. física. Matemáticas. teor. 50, 223001 (2017).
https:/​/​doi.org/​10.1088/​1751-8121/​aa6dc3

[ 4 ] Yiqing Zhou, E. Miles Stoudenmire y Xavier Waintal. “¿Qué limita la simulación de computadoras cuánticas?”. física Rev. X 10, 041038 (2020).
https: / / doi.org/ 10.1103 / physrevx.10.041038

[ 5 ] Feng Pan, Pengfei Zhou, Sujie Li y Pan Zhang. “Contratación de redes de tensores arbitrarios: algoritmo aproximado general y aplicaciones en modelos gráficos y simulaciones de circuitos cuánticos”. física Rev. Lett. 125, 060503 (2020).
https: / / doi.org/ 10.1103 / PhysRevLett.125.060503

[ 6 ] Cupjin Huang, Fang Zhang, Michael Newman, Junjie Cai, Xun Gao, Zhengxiong Tian, ​​Junyin Wu, Haihong Xu, Huanjun Yu, Bo Yuan, Mario Szegedy, Yaoyun Shi y Jianxin Chen. “Simulación clásica de circuitos de supremacía cuántica” (2020). arXiv:2005.06787.
arXiv: 2005.06787

[ 7 ] Tianyi Peng, Aram W. Harrow, Maris Ozols y Xiaodi Wu. “Simulación de grandes circuitos cuánticos en una pequeña computadora cuántica”. física Rev. Lett. 125, 150504 (2020).
https: / / doi.org/ 10.1103 / PhysRevLett.125.150504

[ 8 ] Johnnie Grey y Stefanos Kourtis. “Contracción de redes tensoriales hiperoptimizadas”. Cuántica 5, 410 (2021).
https:/​/​doi.org/​10.22331/​q-2021-03-15-410

[ 9 ] Feng Pan y Pan Zhang. “Simulación de los circuitos de supremacía cuántica de sicómoro” (2021). arXiv:2103.03074.
arXiv: 2103.03074

[ 10 ] Danylo Lykov, Roman Schutski, Alexey Galda, Valeri Vinokur y Yuri Alexeev. “Simulador cuántico de redes tensoriales con paralelización dependiente de pasos”. En 2022 Conferencia internacional IEEE sobre computación e ingeniería cuánticas (QCE). Páginas 582–593. (2022).
https: / / doi.org/ 10.1109 / QCE53715.2022.00081

[ 11 ] G. Vidal. “Renormalización de entrelazamiento”. física Rev. Lett. 99, 220405 (2007).
https: / / doi.org/ 10.1103 / PhysRevLett.99.220405

[ 12 ] G. Vidal. “Clase de estados cuánticos de muchos cuerpos que se pueden simular eficientemente”. física Rev. Lett. 101, 110501 (2008).
https: / / doi.org/ 10.1103 / PhysRevLett.101.110501

[ 13 ] V. Murg, F. Verstraete, Ö. Legeza y RM Noack. “Simulación de sistemas cuánticos fuertemente correlacionados con redes de tensores de árbol”. física Rev. B 82, 205105 (2010).
https: / / doi.org/ 10.1103 / physrevb.82.205105

[ 14 ] M. Gerster, P. Silvi, M. Rizzi, R. Fazio, T. Calarco y S. Montangero. "Red de tensor de árbol sin restricciones: una imagen de calibre adaptable para un rendimiento mejorado". física Rev. B 90, 125154 (2014).
https: / / doi.org/ 10.1103 / PhysRevB.90.125154

[ 15 ] V. Murg, F. Verstraete, R. Schneider, PR Nagy y Ö. Legeza. "Estado de red de tensor de árbol con orden de tensor variable: un método multireferencia eficiente para sistemas fuertemente correlacionados". J. Chem. Cálculo de la teoría. 11, 1027–1036 (2015).
https://​/​doi.org/​10.1021/​ct501187j

[ 16 ] Klaas Gunst, Frank Verstraete, Sebastian Wouters, Örs Legeza y Dimitri Van Neck. “T3NS: Estados de red de tensor de árbol de tres patas”. J. Chem. Cálculo de la teoría. 14, 2026–2033 (2018).
https: / / doi.org/ 10.1021 / acs.jctc.8b00098

[ 17 ] Florian Schröder, David Turban, Andrew Musser, Nicholas Hine y Alex Chin. "Simulación de red de tensores de dinámica cuántica abierta multiambiental a través de aprendizaje automático y renormalización de entrelazamiento". Nat. común 10 (2019).
https:/​/​doi.org/​10.1038/​s41467-019-09039-7

[ 18 ] L. Tagliacozzo, G. Evenbly y G. Vidal. “Simulación de sistemas cuánticos bidimensionales utilizando una red de tensor de árbol que explota la ley del área entrópica”. física Rev. B 80, 235127 (2009).
https: / / doi.org/ 10.1103 / PhysRevB.80.235127

[ 19 ] Gianluca Ceruti, Christian Lubich y Hanna Walach. “Integración temporal de redes de tensores de árboles”. SIAM J. Número. Anal. 59, 289–313 (2021).
https: / / doi.org/ 10.1137 / 20M1321838

[ 20 ] Xiao Yuan, Jinzhao Sun, Junyu Liu, Qi Zhao y You Zhou. “Simulación cuántica con redes de tensores híbridos”. física Rev. Lett. 127, 040501 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.127.040501

[ 21 ] Eugene Dumitrescu. "Enfoque de red de tensor de árbol para simular el algoritmo de Shor". física Rev. A 96, 062322 (2017).
https: / / doi.org/ 10.1103 / PhysRevA.96.062322

[ 22 ] Shi-Ju Ran, Emanuele Tirrito, Cheng Peng, Xi Chen, Luca Tagliacozzo, Gang Su y Maciej Lewenstein. “Contracciones de redes tensoras”. Springer Cham. (2020).
https:/​/​doi.org/​10.1007/​978-3-030-34489-4

[ 23 ] Song Cheng, Lei Wang, Tao Xiang y Pan Zhang. “Redes de tensores de árbol para modelado generativo”. física Rev. B 99, 155131 (2019).
https: / / doi.org/ 10.1103 / PhysRevB.99.155131

[ 24 ] Szilárd Szalay, Max Pfeffer, Valentin Murg, Gergely Barcza, Frank Verstraete, Reinhold Schneider y Örs Legeza. “Métodos de productos tensoriales y optimización de entrelazamiento para la química cuántica ab initio”. En t. J. Quantum Chem. 115, 1342–1391 (2015).
https: / / doi.org/ 10.1002 / qua.24898

[ 25 ] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C. Bardin, Rami Barends, Rupak Biswas, Sergio Boixo, Fernando GSL Brandao, David A. Buell, Brian Burkett, Yu Chen, Zijun Chen, Ben Chiaro, Roberto Collins, William Courtney, Andrew Dunsworth, Edward Farhi, Brooks Foxen, Austin Fowler, Craig Gidney, Marissa Giustina, Rob Graff, Keith Guerin, Steve Habegger, Matthew P. Harrigan, Michael J. Hartmann, Alan Ho, Markus Hoffmann, Trent Huang, Travis S. Humble, Sergei V. Isakov, Evan Jeffrey, Zhang Jiang, Dvir Kafri, Kostyantyn Kechedzhi, Julian Kelly, Paul V. Klimov, Sergey Knysh, Alexander Korotkov, Fedor Kostritsa, David Landhuis, Mike Lindmark, Erik Lucero, Dmitry Lyakh, Salvatore Mandrà, Jarrod R. McClean, Matthew McEwen, Anthony Megrant, Xiao Mi, Kristel Michielsen, Masoud Mohseni, Josh Mutus, Ofer Naaman, Matthew Neeley, Charles Neill, Murphy Yuezhen Niu, Eric Ostby, Andre Petukhov, John C. Platt, Chris Quintana, Eleanor G. Rieffel, Pedram Roushan, Nicholas C. Rubin, Daniel Sank,Kevin J. Satzinger, Vadim Smelyanskiy, Kevin J. Sung, Matthew D. Trevithick, Amit Vainsencher, Benjamin Villalonga, Theodore White, Z. Jamie Yao, Ping Yeh, Adam Zalcman, Hartmut Neven y John M. Martinis. “Supremacía cuántica utilizando un procesador superconductor programable”. Naturaleza 574, 505–510 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1666-5

[ 26 ] Adán S. Jermyn. “Descomposición en árbol eficiente de tensores de alto rango”. J. Cómputo. física 377, 142–154 (2019).
https: / / doi.org/ 10.1016 / j.jcp.2018.10.026

[ 27 ] Giovanni Ferrari, Giuseppe Magnifico y Simone Montangero. “Redes de tensores de árbol ponderados adaptativamente para sistemas cuánticos desordenados de muchos cuerpos”. física Rev. B 105, 214201 (2022).
https: / / doi.org/ 10.1103 / PhysRevB.105.214201

[ 28 ] Edward Farhi, Jeffrey Goldstone y Sam Gutmann. “Un algoritmo de optimización cuántica aproximada” (2014). arXiv:1411.4028.
arXiv: 1411.4028

[ 29 ] Benjamin F. Schiffer, Jordi Tura y J. Ignacio Cirac. “Espectroscopía adiabática y un algoritmo adiabático cuántico variacional”. PRX Quantum 3, 020347 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.020347

Citado por

[1] Toshiya Hikihara, Hiroshi Ueda, Kouichi Okunishi, Kenji Harada y Tomotoshi Nishino, “Optimización estructural automática de redes de tensores de árbol”, Investigación de revisión física 5 1, 013031 (2023).

[2] Kouichi Okunishi, Hiroshi Ueda y Tomotoshi Nishino, “Bipartición de entrelazamiento y redes de tensor de árbol”, Avances de la Física Teórica y Experimental 2023 2, 023A02 (2023).

Las citas anteriores son de ANUNCIOS SAO / NASA (última actualización exitosa 2023-03-31 23:00:20). La lista puede estar incompleta ya que no todos los editores proporcionan datos de citas adecuados y completos.

On Servicio citado por Crossref no se encontraron datos sobre las obras citadas (último intento 2023-03-31 23:00:19).

Este documento se publica en Quantum bajo el Creative Commons Reconocimiento 4.0 Internacional (CC BY 4.0) licencia. Los derechos de autor permanecen con los titulares de derechos de autor originales, como los autores o sus instituciones.

Sello de tiempo:

Mas de Diario cuántico