[論文レビュー] Heisenberg-limited Hamiltonian learning for interacting bosons

Haoya Li, Yu Tong+3 more|arXiv (Cornell University)|Jul 10, 2023

Quantum many-body systemsPhysics and Astronomy被引用数 3

ひとこと要約

この論文は、コherent状態、ビームスプリッタ、位相シフト素子、およびホモダイン測定を用いて、相互作用するボソン系のハミルトニアンを学習するヘイゼンベルク制限プロトコルを提示する。時間発展演算子にランダムユニタリを適用することで対称性を強制し、有効ハミルトニアンを生成することで、系のサイズに依存せず、合計時間発展演算時間 $\mathcal{O}(1/\epsilon)$ でルート平均二乗誤差 $\epsilon$ を達成する。この手法は状態準備および測定誤差（SPAM）に対してロバストである。

ABSTRACT

We develop a protocol for learning a class of interacting bosonic Hamiltonians from dynamics with Heisenberg-limited scaling. For Hamiltonians with an underlying bounded-degree graph structure, we can learn all parameters with root mean squared error $ε$ using $\mathcal{O}(1/ε)$ total evolution time, which is independent of the system size, in a way that is robust against state-preparation and measurement error. In the protocol, we only use bosonic coherent states, beam splitters, phase shifters, and homodyne measurements, which are easy to implement on many experimental platforms. A key technique we develop is to apply random unitaries to enforce symmetry in the effective Hamiltonian, which may be of independent interest.

研究の動機と目的

• 多数のボソン系に対するヘイゼンベルク制限の精度を達成する課題に取り組む。
• 通常の量子制限プロトコルが $\mathcal{O}(\epsilon^{-2})$ のスケーリングを示すという制限を克服する。
• コherent状態、線形光学、ホモダイン測定のみを用いたスケーラブルで実験的に実現可能なプロトコルを開発する。
• 現実的な実験的条件下での状態準備および測定（SPAM）誤差に対してロバストであることを保証する。
• 従来スピン系に適用されてきたランダムユニタリ制御を、無限大のハミルトニアン項を有するボソン系へと拡張する。

提案手法

• 時間発展演算中にランダムユニタリを適用し、ダイナミクスを対称性が向上した有効ハミルトニアンへと変換する。
• 初期状態としてコherent状態を用い、観測可能なデータを抽出するためにホモダイン測定を実行する。
• ビームスプリッタと位相シフト素子を主な制御操作として実装し、歪みの必要を回避する。
• ランダムユニタリの平均化処理をランダムに実行することでノイズを低減し、有効ハミルトニアンの安定化を図る。
• 演算子の交換関係を用いて、真のダイナミクスと有効ダイナミクスとの間のトレースノルムのずれの上限を導出する。
• ボソンモードネットワークの有効次数が有界なグラフ構造を活用し、スケーラビリティとパラメータ同定可能性を保証する。

実験結果

リサーチクエスチョン

• RQ1 現実的な実験的制約下で、相互作用するボソン系のハミルトニアン学習に対してヘイゼンベルク制限スケーリングを達成できるか？
• RQ2 無限大のハミルトニアン項を有するボソン系に、ランダムユニタリ制御をどのように適合できるか？
• RQ3 精度 $\epsilon$ でハミルトニアンパラメータを学習するために必要な最小リソースコスト（発展演算時間）は何か？
• RQ4 このプロトコルは、状態準備および測定誤差に対してどの程度耐性を示せるか？
• RQ5 ランダムユニタリによる対称性強制が、元のパラメータを保持しつつ学習がより簡単になる有効ハミルトニアンを生み出せるか？

主な発見

• プロトコルはヘイゼンベルク制限スケーリングを達成する：合計発展演算時間は $\mathcal{O}(1/\epsilon)$ に比例し、系のサイズに依存せず、ルート平均二乗誤差 $\epsilon$ を達成する。
• 有効次数が有界なグラフ構造を持つハミルトニアンに対して、すべてのパラメータが $\mathcal{O}(1/\epsilon)$ の合計発展演算時間で学習可能である。
• 定常振幅のSPAM誤差に対してロバストであり、現実的なノイズ条件下でも精度を維持する。
• 有効ハミルトニアンはランダムユニタリの平均化によって導出され、真のダイナミクスからのずれは $\mathcal{O}(N^2 t^2 / r \cdot \max\{|\xi_{jklm}|, |\omega_i|, |h_{i,j}|\}^2)$ で有界である。
• ランダムユニタリによる対称性強制の手法は一般化可能であり、他の量子シミュレーションタスクにも有益である可能性がある。
• 歪みやエンタングルドプローブの必要を回避し、コherent状態と線形光学操作のみに依存している。