[论文解读] Beyond-classical computation in quantum simulation

Andrew D. King, Alberto Nocera+61 more|arXiv (Cornell University)|Mar 1, 2024

Quantum Computing Algorithms and Architecture被引用 12

一句话总结

本文展示了超导量子退火器在模拟横场Ising模型的非平衡量子动力学方面的计算霸权性，表明QPU结果与薛定谔演化一致，并呈现面积律纠缠标度；而在较大规模时，主流经典方法(MPS/PEPS/NQS)难以达到可比的准确度。

ABSTRACT

Quantum computers hold the promise of solving certain problems that lie beyond the reach of conventional computers. However, establishing this capability, especially for impactful and meaningful problems, remains a central challenge. Here, we show that superconducting quantum annealing processors can rapidly generate samples in close agreement with solutions of the Schrödinger equation. We demonstrate area-law scaling of entanglement in the model quench dynamics of two-, three-, and infinite-dimensional spin glasses, supporting the observed stretched-exponential scaling of effort for matrix-product-state approaches. We show that several leading approximate methods based on tensor networks and neural networks cannot achieve the same accuracy as the quantum annealer within a reasonable time frame. Thus, quantum annealers can answer questions of practical importance that may remain out of reach for classical computation.

研究动机与目标

• 推动在实际、非平衡量子动态模拟中寻找量子优势。
• 证明量子退火器在二维及以上维度的自旋玻璃拓扑结构中，可以高精度对薛定谔演化态进行采样。
• 将量子处理器输出与经典计算得到的真实基态以及态保真度进行比较，以评估霸权性。
• 表征纠缠标度并推导为达到QPU质量所需的经典模拟资源估计。

提出的方法

• 使用随时间变化的哈密顿量，通过 Gamma(t) 和 J(t) 在 H_D 与 H_P 之间插值，研究横场Ising模型(TFIM)的淬火动力学。
• 使用两台量子处理器（ADV1 和 ADV2）在多种拓扑结构（2D正方、立方、菱形、双分图）上生成淬火后态的采样。
• 在 Summit/Frontier 上对小问题用收敛的 MPS 模拟计算基准解，并通过自旋玻璃序参量 <q^2>、剩余能量以及自旋-自旋相关性 c_ij 将其与 QPU 输出进行比较。
• 评估近似经典方法（MPS、PEPS、NQS）在达到与 QPU 相同精度方面的表现，并分析随张量张量维度 chi 与 PEPS 张量维度 D 的标度。
• 展示纠缠的面积律标度及其与为复现 QPU 结果所需的 MPS 捆维度 chi_Q 的关系。
• 使用动态有限尺寸标度和Kibble-Zurek(KZ)分析，将 QPU 结果与普遍的量子临界行为联系起来，并对经典模拟的资源需求进行外推。

实验结果

研究问题

• RQ1 超导量子退火器能够在TFIM淬火通过量子相变时，对非平衡量子动力学进行高精度采样吗？
• RQ2 在这些淬火过程中，纠缠如何随系统规模和拓扑标度？这对经典模拟成本意味着什么？
• RQ3 张量网络与神经网络方法（MPS、PEPS、NQS）在多大程度上与 QPU 结果相匹配，在何种尺度下它们会失效？
• RQ4 是否可以在 QPU 数据中观察到普遍的量子临界标度，从而外推到更大、在经典计算上不可处理的系统？
• RQ5 在更大规模下尝试复现 QPU 质量结果的经典仿真，其实际资源含义（时间、内存、能量）是什么？

主要发现

• QPU 结果在2D自旋玻璃上，在较广范围的淬火时间 t_a 下，与基准的薛定谔演化态高度吻合。
• MPS 能复现 QPU 质量的结果，且所需的捆维度 chi_Q 对二分分区面积呈指数依赖，与面积律纠缠一致。
• PEPS 与 NQS 方法在淬火较慢和系统较大时难以达到 QPU 精度，而 MPS 在所研究的尺寸范围内仍具竞争力。
• 来自 QPU 数据的动态有限尺寸标度坍缩（Binder 量数）与该拓扑类的普遍 KZ 指数相符，验证了量子临界动力学。
• 基于面积律标度的外推预测，在 Frontier 上对大型问题的经典资源需求（内存/时间）不可行，暗示在该任务上的量子霸权。