Simulazione quantistica Monte Carlo resiliente agli errori del tempo immaginario

Simulazione quantistica Monte Carlo resiliente agli errori del tempo immaginario

Timestamp: 9 febbraio 2023 8:39

Mingxia Huo1 e YingLi2

1Dipartimento di Fisica e Beijing Key Laboratory for Magneto-Photoelectrical Composite and Interface Science, School of Mathematics and Physics, University of Science and Technology Beijing, Beijing 100083, Cina
2Graduate School of China Academy of Engineering Physics, Pechino 100193, Cina

Trovi questo documento interessante o vuoi discuterne? Scrivi o lascia un commento su SciRate.

Astratto

Il calcolo delle proprietà dello stato fondamentale dei sistemi quantistici a molti corpi è un'applicazione promettente dell'hardware quantistico a breve termine con un potenziale impatto in molti campi. L'algoritmo convenzionale per la stima della fase quantistica utilizza circuiti profondi e richiede tecnologie a tolleranza di errore. Molti algoritmi di simulazione quantistica sviluppati di recente funzionano in modo inesatto e variazionale per sfruttare circuiti poco profondi. In questo lavoro, combiniamo il Monte Carlo quantistico con il calcolo quantistico e proponiamo un algoritmo per simulare l'evoluzione del tempo immaginario e risolvere il problema dello stato fondamentale. Campionando l'operatore di evoluzione in tempo reale con un tempo di evoluzione casuale secondo una distribuzione di Cauchy-Lorentz modificata, possiamo calcolare il valore atteso di un'evoluzione osservabile in tempo immaginario. Il nostro algoritmo si avvicina alla soluzione esatta data una profondità del circuito che aumenta polilogaritmicamente con la precisione desiderata. Rispetto alla stima della fase quantistica, il numero del passo di Trotter, ovvero la profondità del circuito, può essere migliaia di volte più piccolo per ottenere la stessa precisione nell'energia dello stato fondamentale. Verifichiamo la resilienza agli errori di trotterizzazione causati dalla profondità finita del circuito nella simulazione numerica di vari modelli. I risultati mostrano che la simulazione quantistica Monte Carlo è promettente anche senza un computer quantistico completamente tollerante ai guasti.

Simulazione quantistica Monte Carlo resiliente agli errori del tempo immaginario PlatoBlockchain Data Intelligence. Ricerca verticale. Ai.

► dati BibTeX

► Riferimenti

, Richard P.Feynmann. Simulare la fisica con i computer. Internaz. J. Teorico. Phys., 21 (6-7): 467–488, giu 1982. 10.1007/​bf02650179.
https: / / doi.org/ 10.1007 / bf02650179

, Set Lloyd. Simulatori quantistici universali. Science, 273 (5278): 1073–1078, agosto 1996. 10.1126/​science.273.5278.1073.
https: / / doi.org/ 10.1126 / science.273.5278.1073

, J. Carlson, S. Gandolfi, F. Pederiva, Steven C. Pieper, R. Schiavilla, KE Schmidt, and RB Wiringa. Metodi quantistici Monte Carlo per la fisica nucleare. Rev.mod. Phys., 87 (3): 1067–1118, sett 2015. 10.1103/​revmodphys.87.1067.
https: / / doi.org/ 10.1103 / revmodphys.87.1067

, BL Hammond, WA Lester e PJ Reynolds. Metodi Monte Carlo nella Chimica Quantistica Ab Initio. WORLD SCIENTIFIC, mar 1994. 10.1142/​1170.
https: / / doi.org/ 10.1142 / 1170 mila

, WMC Foulkes, L. Mitas, RJ Needs e G. Rajagopal. Simulazioni quantistiche monte carlo di solidi. Rev.mod. Phys., 73 (1): 33–83, gen 2001. 10.1103/​revmodphys.73.33.
https: / / doi.org/ 10.1103 / revmodphys.73.33

, U. Schollwöck. Il gruppo di rinormalizzazione della matrice di densità. Rev.mod. Phys., 77 (1): 259–315, aprile 2005. 10.1103/​revmodphys.77.259.
https: / / doi.org/ 10.1103 / revmodphys.77.259

, Daniel S. Abrams e Seth Lloyd. Algoritmo quantistico che fornisce un aumento esponenziale della velocità per la ricerca di autovalori e autovettori. Fis. Rev. Lett., 83 (24): 5162–5165, dic 1999. 10.1103/​physrevlett.83.5162.
https: / / doi.org/ 10.1103 / physrevlett.83.5162

, Alán Aspuru-Guzik, Anthony D. Dutoi, Peter J. Love e Martin Head-Gordon. Calcolo quantistico simulato delle energie molecolari. Science, 309 (5741): 1704–1707, settembre 2005. 10.1126/​science.1113479.
https: / / doi.org/ 10.1126 / science.1113479

, Dave Wecker, Bela Bauer, Bryan K. Clark, Matthew B. Hastings e Matthias Troyer. Stime del numero di gate per l'esecuzione di chimica quantistica su piccoli computer quantistici. Fis. Rev. A, 90 (2): 022305, ago 2014. 10.1103/​physreva.90.022305.
https: / / doi.org/ 10.1103 / physreva.90.022305

, Markus Reiher, Nathan Wiebe, Krysta M. Svore, Dave Wecker e Matthias Troyer. Chiarimento dei meccanismi di reazione sui computer quantistici. Proc. Natl. Acad. Sci., 114 (29): 7555–7560, lug 2017. 10.1073/​pnas.1619152114.
https: / / doi.org/ 10.1073 / pnas.1619152114

, Ryan Babbush, Craig Gidney, Dominic W. Berry, Nathan Wiebe, Jarrod McClean, Alexandru Paler, Austin Fowler e Hartmut Neven. Codifica di spettri elettronici in circuiti quantistici con complessità t lineare. Fis. Rev. X, 8 (4): 041015, ott 2018. 10.1103/​physrevx.8.041015.
https: / / doi.org/ 10.1103 / physrevx.8.041015

, Emanuel Knill, Raymond Laflamme e Wojciech H. Zurek. Calcolo quantistico resiliente. Science, 279 (5349): 342–345, gen 1998. 10.1126/​science.279.5349.342.
https: / / doi.org/ 10.1126 / science.279.5349.342

, Austin G. Fowler, Matteo Mariantoni, John M. Martinis e Andrew N. Cleland. Codici di superficie: verso un pratico calcolo quantistico su larga scala. Fis. Rev. A, 86 (3): 032324, set 2012. 10.1103/​physreva.86.032324.
https: / / doi.org/ 10.1103 / physreva.86.032324

, Giovanni Preskill. Il calcolo quantistico nell'era NISQ e oltre. Quantum, 2: 79, ago 2018. 10.22331/​q-2018-08-06-79.
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

, Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J. Love, Alán Aspuru-Guzik e Jeremy L. O'Brien. Un risolutore variazionale di autovalori su un processore quantistico fotonico. Nat. Commun., 5 (1), lug 2014. 10.1038/​ncomms5213.
https: / / doi.org/ 10.1038 / ncomms5213

, Dave Wecker, Matthew B. Hastings e Matthias Troyer. Progresso verso pratici algoritmi variazionali quantistici. Fis. Rev. A, 92 (4): 042303, ott 2015. 10.1103/​physreva.92.042303.
https: / / doi.org/ 10.1103 / physreva.92.042303

, Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C. Benjamin e Xiao Yuan. Simulazione quantistica variazionale basata su ansatz dell'evoluzione temporale immaginaria. npj Quantum Inf., 5 (1), set 2019. 10.1038/​s41534-019-0187-2.
https:/​/​doi.org/​10.1038/​s41534-019-0187-2

, Mario Motta, Chong Sun, Adrian TK Tan, Matthew J. O'Rourke, Erika Ye, Austin J. Minnich, Fernando GSL Brandão e Garnet Kin-Lic Chan. Determinazione di autostati e stati termici su un computer quantistico utilizzando l'evoluzione del tempo immaginario quantistico. Nature Physics, 16 (2): 205–210, nov 2019. 10.1038/​s41567-019-0704-4.
https:/​/​doi.org/​10.1038/​s41567-019-0704-4

, Sheng-Hsuan Lin, Rohit Dilip, Andrew G. Green, Adam Smith e Frank Pollmann. Evoluzione in tempo reale e immaginario con circuiti quantistici compressi. PRX Quantum, 2 (1): 010342, mar 2021. 10.1103/​prxquantum.2.010342.
https: / / doi.org/ 10.1103 / prxquantum.2.010342

, William J. Huggins, Bryan A. O'Gorman, Nicholas C. Rubin, David R. Reichman, Ryan Babbush e Joonho Lee. Montecarlo quantistico fermionico imparziale con un computer quantistico. Nature, 603 (7901): 416–420, mar 2022. 10.1038/​s41586-021-04351-z.
https: / / doi.org/ 10.1038 / s41586-021-04351-z

, Andrei Alexandru, Gökçe Başar, Paulo F. Bedaque, Sohan Vartak e Neill C. Warrington. Studio Monte Carlo della dinamica in tempo reale sul reticolo. Fis. Rev. Lett., 117 (8): 081602, ago 2016. 10.1103/​physrevlett.117.081602.
https: / / doi.org/ 10.1103 / physrevlett.117.081602

, Guifre Vidal. Simulazione efficiente di sistemi quantistici unidimensionali a molti corpi. Fis. Rev. Lett., 93 (4): 040502, lug 2004. 10.1103/​physrevlett.93.040502.
https: / / doi.org/ 10.1103 / physrevlett.93.040502

, GC Stoppino. Proprietà delle funzioni d'onda di bethe-salpeter. Fis. Rev., 96 (4): 1124–1134, nov 1954. 10.1103/​physrev.96.1124.
https: / / doi.org/ 10.1103 / physrev.96.1124

, Tong Liu, Jin-Guo Liu e Heng Fan. Cancello probabilistico non unitario nell'evoluzione del tempo immaginario. Quantum Inf. Process., 20 (6), giu 2021. 10.1007/​s11128-021-03145-6.
https:/​/​doi.org/​10.1007/​s11128-021-03145-6

, F. Turro, A. Roggero, V. Amitrano, P. Luchi, KA Wendt, JL Dubois, S. Quaglioni, and F. Pederiva. Propagazione del tempo immaginario su un chip quantistico. Fis. Rev. A, 105 (2): 022440, feb 2022. 10.1103/​physreva.105.022440.
https: / / doi.org/ 10.1103 / physreva.105.022440

, Yongdan Yang, Bing Nan Lu e Ying Li. Monte Carlo quantistico accelerato con errore mitigato su computer quantistico rumoroso. PRX Quantum, 2 (4): 040361, dic 2021. 10.1103/​prxquantum.2.040361.
https: / / doi.org/ 10.1103 / prxquantum.2.040361

, DFB ten Haaf, HJM van Bemmel, JMJ van Leeuwen, W. van Saarloos e DM Ceperley. Dimostrazione di un limite superiore in monte carlo a nodo fisso per fermioni reticolari. Fis. Rev. B, 51 (19): 13039–13045, maggio 1995. 10.1103/​physrevb.51.13039.
https: / / doi.org/ 10.1103 / physrevb.51.13039

, Mario Motta e Shiwei Zhang. Calcoli ab initio di sistemi molecolari mediante il metodo Monte Carlo quantistico del campo ausiliario. WIREs Comput. Mol. Sci., 8 (5), maggio 2018. 10.1002/​wcms.1364.
https: / / doi.org/ 10.1002 / wcms.1364

, Joonho Lee, Dominic W. Berry, Craig Gidney, William J. Huggins, Jarrod R. McClean, Nathan Wiebe e Ryan Babbush. Calcoli quantistici ancora più efficienti della chimica attraverso l'ipercontrazione tensoriale. PRX Quantum, 2 (3): 030305, lug 2021. 10.1103/​prxquantum.2.030305.
https: / / doi.org/ 10.1103 / prxquantum.2.030305

, Artur K. Ekert, Carolina Moura Alves, Daniel KL Oi, Michał Horodecki, Paweł Horodecki e LC Kwek. Stime dirette di funzionali lineari e non lineari di uno stato quantistico. Fis. Rev. Lett., 88 (21): 217901, maggio 2002. 10.1103/​physrevlett.88.217901.
https: / / doi.org/ 10.1103 / physrevlett.88.217901

, Sirui Lu, Mari Carmen Bañuls e J. Ignacio Cirac. Algoritmi per la simulazione quantistica ad energie finite. PRX Quantum, 2 (2): 020321, maggio 2021. 10.1103/​prxquantum.2.020321.
https: / / doi.org/ 10.1103 / prxquantum.2.020321

, Thomas E. O'Brien, Stefano Polla, Nicholas C. Rubin, William J. Huggins, Sam McArdle, Sergio Boixo, Jarrod R. McClean e Ryan Babbush. Mitigazione degli errori tramite stima di fase verificata. PRX Quantum, 2 (2): 020317, maggio 2021. 10.1103/​prxquantum.2.020317.
https: / / doi.org/ 10.1103 / prxquantum.2.020317

, Michael A. Nielsen e Isaac L. Chuang. Calcolo quantistico e informazione quantistica. Cambridge University Press, giugno 2012. 10.1017/​cbo9780511976667.
https: / / doi.org/ 10.1017 / cbo9780511976667

, Dominic W. Berry, Graeme Ahokas, Richard Cleve e Barry C. Sanders. Algoritmi quantistici efficienti per la simulazione di hamiltoniani sparsi. comm. Matematica. Phys., 270 (2): 359–371, dic 2006. 10.1007/​s00220-006-0150-x.
https: / / doi.org/ 10.1007 / s00220-006-0150-x

, Nathan Wiebe, Dominic Berry, Peter Hoyer e Barry C. Sanders. Scomposizioni di ordine superiore di esponenziali di operatori ordinati. J. Fis. R: Matematica. Theor., 43 (6): 065203, gen 2010. 10.1088/​1751-8113/​43/​6/​065203.
https:/​/​doi.org/​10.1088/​1751-8113/​43/​6/​065203

, Andrew M. Childs e Nathan Wiebe. Simulazione hamiltoniana utilizzando combinazioni lineari di operazioni unitarie. Quantum Inf. Comput., 12 (11&12): 901–924, nov 2012. 10.26421/​qic12.11-12-1.
https: / / doi.org/ 10.26421 / qic12.11-12-1

, Dominic W. Berry, Andrew M. Childs, Richard Cleve, Robin Kothari e Rolando D. Somma. Simulazione di dinamiche hamiltoniane con una serie troncata di Taylor. Fis. Rev. Lett., 114 (9): 090502, mar 2015. 10.1103/​physrevlett.114.090502.
https: / / doi.org/ 10.1103 / physrevlett.114.090502

, Guang Hao Low e Isaac L. Chuang. Simulazione hamiltoniana ottimale mediante elaborazione del segnale quantistico. Fis. Rev. Lett., 118 (1): 010501, gen 2017. 10.1103/​physrevlett.118.010501.
https: / / doi.org/ 10.1103 / physrevlett.118.010501

, Conte Campbell. Compilatore casuale per una rapida simulazione hamiltoniana. Fis. Rev. Lett., 123 (7): 070503, ago 2019. 10.1103/​physrevlett.123.070503.
https: / / doi.org/ 10.1103 / physrevlett.123.070503

, Andrew M. Childs, Aaron Ostrander e Yuan Su. Simulazione quantistica più veloce mediante randomizzazione. Quantum, 3: 182, set 2019. 10.22331/​q-2019-09-02-182.
https:/​/​doi.org/​10.22331/​q-2019-09-02-182

, Paul K. Faehrmann, Mark Steudtner, Richard Kueng, Maria Kieferova e Jens Eisert. Randomizzazione di formule multiprodotto per la simulazione hamiltoniana. Quantum, 6: 806, settembre 2022. ISSN 2521-327X. 10.22331/​q-2022-09-19-806. URL https://​/​doi.org/​10.22331/​q-2022-09-19-806.
https:/​/​doi.org/​10.22331/​q-2022-09-19-806

, Richard Meister, Simon C. Benjamin e Earl T. Campbell. Personalizzazione dei troncamenti dei termini per i calcoli della struttura elettronica utilizzando una combinazione lineare di unitari. Quantum, 6: 637, feb 2022. 10.22331/​q-2022-02-02-637.
https:/​/​doi.org/​10.22331/​q-2022-02-02-637

, Jarrod R. McClean, Mollie E. Kimchi-Schwartz, Jonathan Carter e Wibe A. de Jong. Gerarchia ibrida quanto-classica per la mitigazione della decoerenza e la determinazione degli stati eccitati. Fis. Rev. A, 95 (4): 042308, apr 2017. 10.1103/​physreva.95.042308.
https: / / doi.org/ 10.1103 / physreva.95.042308

, Robert M. Parrish e Peter L. McMahon. Diagonalizzazione del filtro quantistico: autocomposizione quantistica senza stima completa della fase quantistica. Settembre 2019. https://​/​arxiv.org/​abs/​1909.08925.
arXiv: 1909.08925

, Nicholas H. Stair, Renke Huang e Francesco A. Evangelista. Un algoritmo di krylov quantistico multiriferimento per elettroni fortemente correlati. J. Chem. Theory Comput., 16 (4): 2236–2245, feb 2020. 10.1021/​acs.jctc.9b01125.
https: / / doi.org/ 10.1021 / acs.jctc.9b01125

, Ethan N. Epperly, Lin Lin e Yuji Nakatsukasa. Una teoria della diagonalizzazione del subspazio quantistico. SIAM Journal on Matrix Analysis and Applications, 43 (3): 1263–1290, ago 2022. 10.1137/​21m145954x.
https://​/​doi.org/​10.1137/​21m145954x

, Thomas E O'Brien, Brian Tarasinski e Barbara M. Terhal. Stima della fase quantistica di più autovalori per esperimenti su piccola scala (rumorosi). New J. Phys., 21 (2): 023022, feb 2019. 10.1088/​1367-2630/​aafb8e.
https://​/​doi.org/​10.1088/​1367-2630/​aafb8e

, Rolando D. Somma. Stima di autovalori quantistici tramite analisi di serie storiche. New J. Phys., 21 (12): 123025, dic 2019. 10.1088/​1367-2630/​ab5c60.
https:/​/​doi.org/​10.1088/​1367-2630/​ab5c60

, A.Roggero. Stima della densità spettrale con la trasformata integrale gaussiana. Fis. Rev. A, 102 (2): 022409, ago 2020. 10.1103/​physreva.102.022409.
https: / / doi.org/ 10.1103 / physreva.102.022409

, AE Russo, KM Rudinger, BCA Morrison e AD Baczewski. Valutazione delle differenze di energia su un computer quantistico con una solida stima di fase. Fis. Rev. Lett., 126 (21): 210501, maggio 2021. 10.1103/​physrevlett.126.210501.
https: / / doi.org/ 10.1103 / physrevlett.126.210501

, Kianna Wan, Mario Berta e Earl T. Campbell. Algoritmo quantistico randomizzato per la stima di fase statistica. Fis. Rev. Lett., 129 (3): 030503, lug 2022. 10.1103/​physrevlett.129.030503.
https: / / doi.org/ 10.1103 / physrevlett.129.030503

, Yuan Liu, Minsik Cho e Brenda Rubenstein. Ab initio campo ausiliario di temperatura finita quanto monte carlo. Journal of Chemical Theory and Computation, 14 (9): 4722–4732, agosto 2018. 10.1021/​acs.jctc.8b00569.
https: / / doi.org/ 10.1021 / acs.jctc.8b00569

, Yuan-Yao He, Mingpu Qin, Hao Shi, Zhong-Yi Lu e Shiwei Zhang. Montecarlo quantistico a campo ausiliario a temperatura finita: vincolo autoconsistente e approccio sistematico alle basse temperature. Physical Review B, 99 (4): 045108, gen 2019. 10.1103/​physrevb.99.045108.
https: / / doi.org/ 10.1103 / physrevb.99.045108

, Tyson Jones e Simon Benjamin. QuESTlink: la matematica potenziata da un emulatore quantistico ottimizzato per l'hardware. Sci quantistica. Technol., 5 (3): 034012, maggio 2020. 10.1088/​2058-9565/​ab8506.
https: / / doi.org/ 10.1088 / 2058-9565 / ab8506

, G. Ortiz, JE Gubernatis, E. Knill e R. Laflamme. Algoritmi quantistici per simulazioni fermioniche. Fis. Rev. A, 64 (2): 022319, lug 2001. 10.1103/​physreva.64.022319.
https: / / doi.org/ 10.1103 / physreva.64.022319

, https://​/​qiskit.org/​documentation/​nature/​.
https://​/​qiskit.org/​documentation/​nature/​

Citato da

[1] Keisuke Matsumoto, Yuta Shingu, Suguru Endo, Shiro Kawabata, Shohei Watabe, Tetsuro Nikuni, Hideaki Hakoshima e Yuichiro Matsuzaki, "Calcolo della funzione di partizione di Gibbs con evoluzione temporale immaginaria su computer quantistici a breve termine", Giornale giapponese di fisica applicata 61 4, 042002 (2022).

[2] Yu-Rong Shu, Shao-Kai Jian e Shuai Yin, "Dinamiche di non equilibrio del punto critico quantico deconfinato nel tempo immaginario", Lettere di revisione fisica 128 2, 020601 (2022).

[3] Pei Zeng, Jinzhao Sun e Xiao Yuan, "Raffreddamento algoritmico quantistico universale su un computer quantistico", arXiv: 2109.15304, (2021).

[4] Yifei Huang, Yuguo Shao, Weiluo Ren, Jinzhao Sun e Dingshun Lv, "Evoluzione del tempo immaginario quantistico efficiente grazie all'evoluzione in tempo reale alla deriva: un approccio con gate basso e complessità di misurazione", arXiv: 2203.11112, (2022).

[5] Yukun Zhang, Yifei Huang, Jinzhao Sun, Dingshun Lv e Xiao Yuan, "Quantum Computing Quantum Monte Carlo", arXiv: 2206.10431, (2022).

[6] Zongkang Zhang, Anbang Wang, Xiaosi Xu e Ying Li, "Diagonalizzazione subspaziale di Krylov quantistica efficiente nella misurazione", arXiv: 2301.13353, (2023).

[7] Qingxing Xie, Yi Song e Yan Zhao, "Potere dell'operatore hamiltoniano sinusoidale per la stima delle energie autostate sui computer quantistici", arXiv: 2209.14801, (2022).

Le citazioni sopra sono di ANNUNCI SAO / NASA (ultimo aggiornamento riuscito 2023-02-12 02:00:46). L'elenco potrebbe essere incompleto poiché non tutti gli editori forniscono dati di citazione adeguati e completi.

On Il servizio citato da Crossref non sono stati trovati dati su citazioni (ultimo tentativo 2023-02-12 02:00:44).

Questo documento è pubblicato in Quantum sotto il Creative Commons Attribuzione 4.0 Internazionale (CC BY 4.0) licenza. Il copyright rimane dei detentori del copyright originali come gli autori o le loro istituzioni.

Timestamp:

Di più da Diario quantistico