Simulação quântica de Monte Carlo resiliente a erros de tempo imaginário

Simulação quântica de Monte Carlo resiliente a erros de tempo imaginário

Mingxiahuo1 e Ying Li2

1Departamento de Física e Laboratório Chave de Pequim para Compostos Magneto-Fotoelétricos e Ciências de Interface, Escola de Matemática e Física, Universidade de Ciência e Tecnologia de Pequim, Pequim 100083, China
2Escola de Pós-Graduação da Academia de Engenharia Física da China, Pequim 100193, China

Acha este artigo interessante ou deseja discutir? Scite ou deixe um comentário no SciRate.

Sumário

Calcular as propriedades do estado fundamental de sistemas quânticos de muitos corpos é uma aplicação promissora de hardware quântico de curto prazo com um impacto potencial em muitos campos. A estimativa de fase quântica do algoritmo convencional usa circuitos profundos e requer tecnologias tolerantes a falhas. Muitos algoritmos de simulação quântica desenvolvidos recentemente funcionam de maneira inexata e variacional para explorar circuitos rasos. Neste trabalho, combinamos o Monte Carlo quântico com a computação quântica e propomos um algoritmo para simular a evolução do tempo imaginário e resolver o problema do estado fundamental. Ao amostrar o operador de evolução em tempo real com um tempo de evolução aleatório de acordo com uma distribuição de Cauchy-Lorentz modificada, podemos calcular o valor esperado de um observável na evolução em tempo imaginário. Nosso algoritmo se aproxima da solução exata dada uma profundidade de circuito aumentando polilogaritmicamente com a precisão desejada. Comparado com a estimativa de fase quântica, o número do passo Trotter, ou seja, a profundidade do circuito, pode ser milhares de vezes menor para atingir a mesma precisão na energia do estado fundamental. Verificamos a resiliência a erros de trotterização causados ​​pela profundidade finita do circuito na simulação numérica de vários modelos. Os resultados mostram que a simulação quântica de Monte Carlo é promissora mesmo sem um computador quântico totalmente tolerante a falhas.

► dados BibTeX

► Referências

[1] Richard P. Feynman. Simulando física com computadores. Internat. J. Teórico. Phys., 21 (6-7): 467–488, junho de 1982. 10.1007/bf02650179.
https: / / doi.org/ 10.1007 / bf02650179

[2] Seth Lloyd. Simuladores quânticos universais. Science, 273 (5278): 1073–1078, agosto de 1996. 10.1126/​science.273.5278.1073.
https: / / doi.org/ 10.1126 / science.273.5278.1073

[3] J. Carlson, S. Gandolfi, F. Pederiva, Steven C. Pieper, R. Schiavilla, KE Schmidt e RB Wiringa. Métodos quânticos de monte carlo para física nuclear. Rev. Mod. Phys., 87 (3): 1067–1118, setembro de 2015. 10.1103/​revmodphys.87.1067.
https: / / doi.org/ 10.1103 / revmodphys.87.1067

[4] BL Hammond, WA Lester e PJ Reynolds. Métodos de Monte Carlo em Química Quântica Ab Initio. WORLD SCIENTIFIC, mar 1994. 10.1142/​1170.
https: / / doi.org/ 10.1142 / 1170

[5] WMC Foulkes, L. Mitas, RJ Needs e G. Rajagopal. Simulações quânticas monte carlo de sólidos. Rev. Mod. Phys., 73 (1): 33–83, janeiro de 2001. 10.1103/​revmodphys.73.33.
https: / / doi.org/ 10.1103 / revmodphys.73.33

[6] U. Schollwöck. O grupo de renormalização de matriz de densidade. Rev. Mod. Phys., 77 (1): 259–315, abr 2005. 10.1103/​revmodphys.77.259.
https: / / doi.org/ 10.1103 / revmodphys.77.259

[7] Daniel S. Abrams e Seth Lloyd. Algoritmo quântico que fornece aumento de velocidade exponencial para encontrar autovalores e autovetores. Física Rev. Lett., 83 (24): 5162–5165, dezembro de 1999. 10.1103/​physrevlett.83.5162.
https: / / doi.org/ 10.1103 / physrevlett.83.5162

[8] Alán Aspuru-Guzik, Anthony D. Dutoi, Peter J. Love e Martin Head-Gordon. Cálculo quântico simulado de energias moleculares. Science, 309 (5741): 1704–1707, setembro de 2005. 10.1126/​science.1113479.
https: / / doi.org/ 10.1126 / science.1113479

[9] Dave Wecker, Bela Bauer, Bryan K. Clark, Matthew B. Hastings e Matthias Troyer. Estimativas de contagem de portas para realizar química quântica em pequenos computadores quânticos. Física Rev. A, 90 (2): 022305, ago 2014. 10.1103/​physreva.90.022305.
https: / / doi.org/ 10.1103 / physreva.90.022305

[10] Markus Reiher, Nathan Wiebe, Krysta M. Svore, Dave Wecker e Matthias Troyer. Elucidando mecanismos de reação em computadores quânticos. Proc. Nacional Acad. Sci., 114 (29): 7555–7560, jul 2017. 10.1073/​pnas.1619152114.
https: / / doi.org/ 10.1073 / pnas.1619152114

[11] Ryan Babbush, Craig Gidney, Dominic W. Berry, Nathan Wiebe, Jarrod McClean, Alexandru Paler, Austin Fowler e Hartmut Neven. Codificação de espectros eletrônicos em circuitos quânticos com complexidade t linear. Física Rev. X, 8 (4): 041015, out 2018. 10.1103/​physrevx.8.041015.
https: / / doi.org/ 10.1103 / physrevx.8.041015

[12] Emanuel Knill, Raymond Laflamme e Wojciech H. Zurek. Computação quântica resiliente. Science, 279 (5349): 342–345, janeiro de 1998. 10.1126/​science.279.5349.342.
https: / / doi.org/ 10.1126 / science.279.5349.342

[13] Austin G. Fowler, Matteo Mariantoni, John M. Martinis e Andrew N. Cleland. Códigos de superfície: rumo à computação quântica prática em grande escala. Física Rev. A, 86 (3): 032324, set 2012. 10.1103/​physreva.86.032324.
https: / / doi.org/ 10.1103 / physreva.86.032324

[14] John Preskill. Computação quântica na era NISQ e além. Quantum, 2: 79, ago 2018. 10.22331/q-2018-08-06-79.
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

[15] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J. Love, Alán Aspuru-Guzik e Jeremy L. O'Brien. Um solucionador de autovalor variacional em um processador quântico fotônico. Nat. Commun., 5 (1), jul 2014. 10.1038/​ncomms5213.
https: / / doi.org/ 10.1038 / ncomms5213

[16] Dave Wecker, Matthew B. Hastings e Matthias Troyer. Progresso em direção a algoritmos variacionais quânticos práticos. Física Rev. A, 92 (4): 042303, out 2015. 10.1103/​physreva.92.042303.
https: / / doi.org/ 10.1103 / physreva.92.042303

[17] Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C. Benjamin e Xiao Yuan. Simulação quântica baseada em ansatz variacional da evolução imaginária do tempo. npj Quantum Inf., 5 (1), set 2019. 10.1038/​s41534-019-0187-2.
https:/​/​doi.org/​10.1038/​s41534-019-0187-2

[18] Mario Motta, Chong Sun, Adrian TK Tan, Matthew J. O'Rourke, Erika Ye, Austin J. Minnich, Fernando GSL Brandão e Garnet Kin-Lic Chan. Determinando auto-estados e estados térmicos em um computador quântico usando a evolução do tempo imaginário quântico. Nature Physics, 16 (2): 205–210, novembro de 2019. 10.1038/​s41567-019-0704-4.
https:/​/​doi.org/​10.1038/​s41567-019-0704-4

[19] Sheng-Hsuan Lin, Rohit Dilip, Andrew G. Green, Adam Smith e Frank Pollmann. Evolução em tempo real e imaginário com circuitos quânticos comprimidos. PRX Quantum, 2 (1): 010342, mar 2021. 10.1103/​prxquantum.2.010342.
https: / / doi.org/ 10.1103 / prxquantum.2.010342

[20] William J. Huggins, Bryan A. O'Gorman, Nicholas C. Rubin, David R. Reichman, Ryan Babbush e Joonho Lee. Monte carlo quântico fermiônico imparcial com um computador quântico. Nature, 603 (7901): 416–420, março de 2022. 10.1038/​s41586-021-04351-z.
https: / / doi.org/ 10.1038 / s41586-021-04351-z

[21] Andrei Alexandru, Gökçe Başar, Paulo F. Bedaque, Sohan Vartak e Neill C. Warrington. Estudo de Monte Carlo da dinâmica em tempo real na rede. Física Rev. Lett., 117 (8): 081602, ago 2016. 10.1103/​physrevlett.117.081602.
https: / / doi.org/ 10.1103 / physrevlett.117.081602

[22] Guifré Vidal. Simulação eficiente de sistemas quânticos unidimensionais de muitos corpos. Física Rev. Lett., 93 (4): 040502, jul 2004. 10.1103/​physrevlett.93.040502.
https: / / doi.org/ 10.1103 / physrevlett.93.040502

[23] GC Wick. Propriedades das funções de onda de bethe-salpeter. Física Rev., 96 (4): 1124–1134, novembro de 1954. 10.1103/​physrev.96.1124.
https: / / doi.org/ 10.1103 / physrev.96.1124

[24] Tong Liu, Jin-Guo Liu e Heng Fan. Porta não unitária probabilística na evolução do tempo imaginário. Informações Quânticas Processo., 20 (6), jun 2021. 10.1007/​s11128-021-03145-6.
https:/​/​doi.org/​10.1007/​s11128-021-03145-6

[25] F. Turro, A. Roggero, V. Amitrano, P. Luchi, KA Wendt, JL Dubois, S. Quaglioni e F. Pederiva. Propagação em tempo imaginário em um chip quântico. Física Rev. A, 105 (2): 022440, fev 2022. 10.1103/​physreva.105.022440.
https: / / doi.org/ 10.1103 / physreva.105.022440

[26] Yongdan Yang, Bing-Nan Lu e Ying Li. Monte carlo quântico acelerado com erro mitigado em computador quântico ruidoso. PRX Quantum, 2 (4): 040361, dez 2021. 10.1103/​prxquantum.2.040361.
https: / / doi.org/ 10.1103 / prxquantum.2.040361

[27] DFB ten Haaf, HJM van Bemmel, JMJ van Leeuwen, W. van Saarloos e DM Ceperley. Prova de um limite superior em monte carlo de nó fixo para férmions de rede. Física Rev. B, 51 (19): 13039–13045, maio de 1995. 10.1103/​physrevb.51.13039.
https: / / doi.org/ 10.1103 / physrevb.51.13039

[28] Mário Motta e Shiwei Zhang. Computações ab initio de sistemas moleculares pelo método quântico de monte carlo de campos auxiliares. WIREs Comput. Mol. Sci., 8 (5), maio de 2018. 10.1002/​wcms.1364.
https: / / doi.org/ 10.1002 / wcms.1364

[29] Joonho Lee, Dominic W. Berry, Craig Gidney, William J. Huggins, Jarrod R. McClean, Nathan Wiebe e Ryan Babbush. Computações quânticas ainda mais eficientes da química por meio da hipercontração do tensor. PRX Quantum, 2 (3): 030305, jul 2021. 10.1103/​prxquantum.2.030305.
https: / / doi.org/ 10.1103 / prxquantum.2.030305

[30] Artur K. Ekert, Carolina Moura Alves, Daniel KL Oi, Michał Horodecki, Paweł Horodecki e LC Kwek. Estimativas diretas de funcionais lineares e não lineares de um estado quântico. Física Rev. Lett., 88 (21): 217901, maio de 2002. 10.1103/​physrevlett.88.217901.
https: / / doi.org/ 10.1103 / physrevlett.88.217901

[31] Sirui Lu, Mari Carmen Bañuls e J. Ignacio Cirac. Algoritmos para simulação quântica em energias finitas. PRX Quantum, 2 (2): 020321, maio de 2021. 10.1103/​prxquantum.2.020321.
https: / / doi.org/ 10.1103 / prxquantum.2.020321

[32] Thomas E. O'Brien, Stefano Polla, Nicholas C. Rubin, William J. Huggins, Sam McArdle, Sergio Boixo, Jarrod R. McClean e Ryan Babbush. Mitigação de erros via estimativa de fase verificada. PRX Quantum, 2 (2): 020317, maio de 2021. 10.1103/​prxquantum.2.020317.
https: / / doi.org/ 10.1103 / prxquantum.2.020317

[33] Michael A. Nielsen e Isaac L. Chuang. Computação Quântica e Informação Quântica. Cambridge University Press, junho de 2012. 10.1017/​cbo9780511976667.
https: / / doi.org/ 10.1017 / cbo9780511976667

[34] Dominic W. Berry, Graeme Ahokas, Richard Cleve e Barry C. Sanders. Algoritmos quânticos eficientes para simulação de hamiltonianos esparsos. com. Matemática. Phys., 270 (2): 359–371, dezembro de 2006. 10.1007/​s00220-006-0150-x.
https: / / doi.org/ 10.1007 / s00220-006-0150-x

[35] Nathan Wiebe, Dominic Berry, Peter Høyer e Barry C Sanders. Decomposições de ordem superior de exponenciais de operadores ordenados. J. Phys. R: Matemática. Theor., 43 (6): 065203, jan 2010. 10.1088/​1751-8113/​43/​6/​065203.
https:/​/​doi.org/​10.1088/​1751-8113/​43/​6/​065203

[36] Andrew M. Childs e Nathan Wiebe. Simulação hamiltoniana usando combinações lineares de operações unitárias. Informações Quânticas Comput., 12 (11&12): 901–924, nov 2012. 10.26421/qic12.11-12-1.
https: / / doi.org/ 10.26421 / qic12.11-12-1

[37] Dominic W. Berry, Andrew M. Childs, Richard Cleve, Robin Kothari e Rolando D. Somma. Simulando a dinâmica hamiltoniana com uma série taylor truncada. Física Rev. Lett., 114 (9): 090502, mar 2015. 10.1103/​physrevlett.114.090502.
https: / / doi.org/ 10.1103 / physrevlett.114.090502

[38] Guang Hao Low e Isaac L. Chuang. Simulação hamiltoniana ótima por processamento quântico de sinais. Física Rev. Lett., 118 (1): 010501, janeiro de 2017. 10.1103/​physrevlett.118.010501.
https: / / doi.org/ 10.1103 / physrevlett.118.010501

[39] Conde Campbell. Compilador aleatório para simulação hamiltoniana rápida. Física Rev. Lett., 123 (7): 070503, ago 2019. 10.1103/​physrevlett.123.070503.
https: / / doi.org/ 10.1103 / physrevlett.123.070503

[40] Andrew M. Childs, Aaron Ostrander e Yuan Su. Simulação quântica mais rápida por randomização. Quantum, 3: 182, set 2019. 10.22331/​q-2019-09-02-182.
https:/​/​doi.org/​10.22331/​q-2019-09-02-182

[41] Paul K. Faehrmann, Mark Steudtner, Richard Kueng, Maria Kieferova e Jens Eisert. Randomização de fórmulas multiprodutos para simulação hamiltoniana. Quantum, 6: 806, setembro de 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

[42] Richard Meister, Simon C. Benjamin e Earl T. Campbell. Adaptação de truncamentos de termos para cálculos de estruturas eletrônicas usando uma combinação linear de unidades. Quantum, 6: 637, fev 2022. 10.22331/q-2022-02-02-637.
https:/​/​doi.org/​10.22331/​q-2022-02-02-637

[43] Jarrod R. McClean, Mollie E. Kimchi-Schwartz, Jonathan Carter e Wibe A. de Jong. Hierarquia quântica-clássica híbrida para mitigação de decoerência e determinação de estados excitados. Física Rev. A, 95 (4): 042308, abr 2017. 10.1103/​physreva.95.042308.
https: / / doi.org/ 10.1103 / physreva.95.042308

[44] Robert M. Parrish e Peter L. McMahon. Diagonalização de filtros quânticos: autodecomposição quântica sem estimativa completa de fase quântica. Setembro de 2019. https:/​/​arxiv.org/​abs/​1909.08925.
arXiv: 1909.08925

[45] Nicholas H. Stair, Renke Huang e Francesco A. Evangelista. Um algoritmo krylov quântico multireferência para elétrons fortemente correlacionados. J. Chem. Theory Comput., 16 (4): 2236–2245, fev 2020. 10.1021/​acs.jctc.9b01125.
https: / / doi.org/ 10.1021 / acs.jctc.9b01125

[46] Ethan N. Epperly, Lin Lin e Yuji Nakatsukasa. Uma teoria da diagonalização do subespaço quântico. SIAM Journal on Matrix Analysis and Applications, 43 (3): 1263–1290, agosto de 2022. 10.1137/​21m145954x.
https:///​doi.org/​10.1137/​21m145954x

[47] Thomas E O'Brien, Brian Tarasinski e Barbara M Terhal. Estimativa de fase quântica de autovalores múltiplos para experimentos de pequena escala (ruidosos). New J. Phys., 21 (2): 023022, fev 2019. 10.1088/​1367-2630/​aafb8e.
https: / / doi.org/ 10.1088 / 1367-2630 / aafb8e

[48] Rolando D. Somma. Estimação de autovalores quânticos via análise de séries temporais. New J. Phys., 21 (12): 123025, dez 2019. 10.1088/​1367-2630/​ab5c60.
https:/​/​doi.org/​10.1088/​1367-2630/​ab5c60

[49] A. Roggero. Estimativa de densidade espectral com a transformada integral gaussiana. Física Rev. A, 102 (2): 022409, ago 2020. 10.1103/​physreva.102.022409.
https: / / doi.org/ 10.1103 / physreva.102.022409

[50] AE Russo, KM Rudinger, BCA Morrison e AD Baczewski. Avaliando diferenças de energia em um computador quântico com estimativa de fase robusta. Física Rev. Lett., 126 (21): 210501, maio de 2021. 10.1103/​physrevlett.126.210501.
https: / / doi.org/ 10.1103 / physrevlett.126.210501

[51] Kianna Wan, Mario Berta e Earl T. Campbell. Algoritmo quântico randomizado para estimativa estatística de fase. Física Rev. Lett., 129 (3): 030503, jul 2022. 10.1103/​physrevlett.129.030503.
https: / / doi.org/ 10.1103 / physrevlett.129.030503

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

[53] Yuan-Yao He, Mingpu Qin, Hao Shi, Zhong-Yi Lu e Shiwei Zhang. Campo auxiliar de temperatura finita quantum monte carlo: Restrição autoconsistente e abordagem sistemática para baixas temperaturas. Physical Review B, 99 (4): 045108, janeiro de 2019. 10.1103/​physrevb.99.045108.
https: / / doi.org/ 10.1103 / physrevb.99.045108

[54] Tyson Jones e Simon Benjamin. QuESTlink—mathematica ampliado por um emulador quântico otimizado para hardware. Ciência Quântica. Technol., 5 (3): 034012, maio de 2020. 10.1088/​2058-9565/​ab8506.
https: / / doi.org/ 10.1088 / 2058-9565 / ab8506

[55] G. Ortiz, JE Gubernatis, E. Knill e R. Laflamme. Algoritmos quânticos para simulações fermiônicas. Física Rev. A, 64 (2): 022319, julho de 2001. 10.1103/​physreva.64.022319.
https: / / doi.org/ 10.1103 / physreva.64.022319

[56] https://​/​qiskit.org/​documentation/​nature/​.
https://​/​qiskit.org/​documentation/​nature/​

Citado por

[1] Keisuke Matsumoto, Yuta Shingu, Suguru Endo, Shiro Kawabata, Shohei Watabe, Tetsuro Nikuni, Hideaki Hakoshima e Yuichiro Matsuzaki, “Cálculo da função de partição de Gibbs com evolução imaginária do tempo em computadores quânticos de curto prazo”, Jornal Japonês de Física Aplicada 61 4, 042002 (2022).

[2] Yu-Rong Shu, Shao-Kai Jian e Shuai Yin, “Dinâmica de não-equilíbrio do ponto crítico quântico desconfinado no tempo imaginário”, Cartas de Revisão Física 128 2, 020601 (2022).

[3] Pei Zeng, Jinzhao Sun e Xiao Yuan, “Resfriamento algorítmico quântico universal em um computador quântico”, arXiv: 2109.15304, (2021).

[4] Yifei Huang, Yuguo Shao, Weiluo Ren, Jinzhao Sun e Dingshun Lv, “Evolução eficiente do tempo imaginário quântico por evolução em tempo real à deriva: uma abordagem com baixo portão e complexidade de medição”, 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, “Medida eficiente na diagonalização do subespaço quântico de Krylov”, arXiv: 2301.13353, (2023).

[7] Qingxing Xie, Yi Song e Yan Zhao, “Power of Sine Hamiltonian Operator for Estimating the Eigenstate Energies on Quantum Computers”, arXiv: 2209.14801, (2022).

As citações acima são de SAO / NASA ADS (última atualização com êxito 2023-02-12 02:00:46). A lista pode estar incompleta, pois nem todos os editores fornecem dados de citação adequados e completos.

On Serviço citado por Crossref nenhum dado sobre a citação de trabalhos foi encontrado (última tentativa 2023-02-12 02:00:44).

Carimbo de hora:

Mais de Diário Quântico