[논문 리뷰] Measurement-driven navigation in many-body Hilbert space: Active-decision steering

Yaroslav Herasymenko, I. V. Gornyi외 1명|arXiv (Cornell University)|2021. 11. 17.

Quantum Computing Algorithms and Architecture인용 수 4

한 줄 요약

이 논문은 다체계 힐버트 공간에서 측정 기반 양자 상태 준비를 위한 주동적 의사결정 프레임워크를 소개한다. 실시간 측정 피드백을 통해 목표 얽힘 상태로 유도한다. 게으른 허상 최적화와 양자 상태 기계 기반 접근을 통해 최대 20배의 가속화(특정 상태에 대해서는 수천 배까지)를 달성하였으며, W-상태와 행렬 곱 상태에 대해 뚜렷한 이점을 보였다.

ABSTRACT

The challenge of preparing a system in a designated state spans diverse facets of quantum mechanics. To complete this task of steering quantum states, one can employ quantum control through a sequence of generalized measurements which direct the system towards the target state. In an active version of this protocol, the obtained measurement readouts are used to adjust the protocol on-the-go. This enables a sped-up performance relative to the passive version of the protocol, where no active adjustments are included. In this work, we consider such active measurement-driven steering as applied to the challenging case of many-body quantum systems. For helpful decision-making strategies, we offer Hilbert-space-orientation techniques, comparable to those used in navigation. The first one is to tie the active-decision protocol to the greedy accumulation of the cost function, such as the target state fidelity. We show the potential of a significant speedup, employing this greedy approach to a broad family of Matrix Product State targets. For system sizes considered here, an average value of the speedup factor $f$ across this family settles about $20$, for some targets even reaching a few thousands. We also identify a subclass of Matrix Product State targets, for which the value of $f$ increases with system size. In addition to the greedy approach, the second wayfinding technique is to map out the available measurement actions onto a Quantum State Machine. A decision-making protocol can be based on such a representation, using semiclassical heuristics. This State Machine-based approach can be applied to a more restricted set of targets, sometimes offering advantages over the cost function-based method. We give an example of a W-state preparation which is accelerated with this method by $f\simeq3.5$, outperforming the greedy protocol for this target.

연구 동기 및 목표

• 목표 양자 상태로 향하는 다체계 힐버트 공간 내에서 주동적 측정 기반 탐색을 위한 일반적 프레임워크를 개발하기 위해.
• 물리적으로 실현 가능한 상호작용을 갖는 일반 측정만을 사용하여 복잡하고 진정한 다체 얽힘 상태를 준비하는 데 도전하는 데에.
• 고정된 측정 결과 기반 실시간 의사결정을 통합함으로써 수동 측정 프로토콜을 향상시키기 위해.
• 부모 해밀토니안 기반 기법을 통해 물리적으로 실현 가능한 시스템-검출기 결합을 식별하기 위해.
• 게으른 허상 최적화와 양자 상태 기계 기반 탐색이라는 두 가지 의사결정 전략을 비교 및 대조하기 위해.

제안 방법

• 지역 상호작용과 호환성을 확보하기 위해 부모 해밀토니안 기법을 사용하여 물리적으로 실현 가능한 시스템-검출기 결합을 구성하기 위해.
• 각 단계에서 목표 상태의 허상도를 최대화하도록 후속 측정을 선택하는 게으른 주동적 의사결정 프로토콜을 구현하기 위해.
• 측정 행동을 군집화된 양자 상태 기계(QSM)에 매핑하여, 반고전적 그래프 구조에서 상태 간 전이를 표현하기 위해.
• 반고전적 힌트를 사용하여 QSM 프레임워크 내에서 결정을 안내함으로써, 전체 힐버트 공간 추적 없이도 탐색이 가능하게 하기 위해.
• 성능 평가를 위해 행렬 곱 상태(MPS)와 W-상태를 포함한 벤치마크 대상에 두 방법을 적용하기 위해.
• 허상도와 실행 시간을 지표로 하여 활성 프로토콜과 수동 프로토콜을 비교함으로써 가속도 요소를 정량화하기 위해.

실험 결과

연구 질문

• RQ1 측정 전용 프로토콜에서 주동적 의사결정이 다체 얽힘 상태의 준비 속도를 상당히 향상시킬 수 있는가?
• RQ2 다양한 목표 상태에 대해 게으른 허상 기반 전략과 QSM 기반 전략 간의 가속도 및 내성에 대한 비교는 어떻게 되는가?
• RQ3 측정 기반 조종을 위한 효율적인 물리적으로 실현 가능한 시스템-검출기 결합은 무엇인가?
• RQ4 특정 종류의 얽힘 상태에 대해 활성 프로토콜의 가속도가 시스템 크기에 따라 유리하게 증가하는가?
• RQ5 특정 목표 상태, 예를 들어 W-상태에 대해 QSM 기반 탐색이 게으른 프로토콜을 능가할 수 있는가?

주요 결과

• 게으른 허상 기반 프로토콜은 행렬 곱 상태(MPS) 목표군 전반에서 평균 약 20배의 가속도를 달성하였다.
• AKLT 기저 상태를 포함한 일부 MPS 목표에 대해서는 시스템 크가 증가함에 따라 가속도가 증가하여 확장 가능성을 보였다.
• W-상태 준비에 대해 QSM 기반 방법은 $ f_{\mathrm{QSM}} = 3.5 $ 의 가속도를 기록하여 게으른 접근($ f_{\mathrm{greedy}} = 3.1 $)을 능가하였다.
• QSM 접근은 상태 전이의 군집화된 반고전적 표현 덕분에 측정 오차에 덜 민감하다.
• 활성 조종은 고정된 결합 조건 하에서 도달하기 어려운 목표 상태에 접근할 수 있도록 수동 프로토콜의 한계를 극복할 수 있다.
• 이 프레임워크는 일반화 가능하며, 향후 기계학습, 해밀토니안 역학, 자동 QSM 구성 통합을 위한 길을 열어 놓았다.