[论文解读] Quantum Algorithms for the computation of quantum thermal averages at work

Riccardo Aiudi, Claudio Bonanno+7 more|arXiv (Cornell University)|Jan 1, 2023

Quantum Computing Algorithms and Architecture被引用 1

一句话总结

本文针对三自旋阻挫自旋系统中的量子热平均计算，实现了量子-量子梅特罗波利斯算法（Q2MA）的实际应用与基准测试，并与成熟的量子梅特罗波利斯采样（QMS）算法进行了比较。研究结果表明，Q2MA通过类似Grover的振幅放大实现了量子优势，可在态制备方面提升效率，但近场量子设备在门数控制与误差管理方面仍面临显著挑战。

ABSTRACT

Recently, a variety of quantum algorithms have been devised to estimate thermal averages on a genuine quantum processor. In this paper, we consider the practical implementation of the so-called Quantum-Quantum Metropolis algorithm. As a testbed for this purpose, we simulate a basic system of three frustrated quantum spins and discuss its systematics, also in comparison with the Quantum Metropolis Sampling algorithm.

研究动机与目标

• 研究在近场量子处理器上实现量子-量子梅特罗波利斯算法（Q2MA）的实际可行性。
• 比较Q2MA与量子梅特罗波利斯采样（QMS）算法在数值效率与误差标定方面的表现。
• 利用最小阻挫自旋模型作为测试平台，识别并量化两种算法中的系统性误差与统计误差。
• 评估Q2MA在通过密度矩阵的相干编码制备热态方面所具备的潜在量子优势。
• 为未来在强关联量子系统（如有限密度QCD）中的应用奠定基础。

提出的方法

• 采用量子相位估计算法（QPE）对三自旋阻挫系统进行能量本征值估计，实现Q2MA算法的实现。
• 采用类似Grover的搜索方法，制备一个纯量子态，其测量统计分布可重现热系综的吉布斯分布。
• 通过将热态编码为与能量本征态相干叠加的叠加态，其振幅与玻尔兹曼权重成正比。
• 通过与精确对角化结果对比，分析系统性误差，尤其关注QPE精度与态制备保真度的影响。
• 通过蒙特卡洛采样测量结果量化统计误差，并追踪不同电路深度下的不确定性传播。
• 采用与先前QMS研究（参考文献[26]）相同的模型系统，实现两种算法的直接对比，支持受控基准测试。

实验结果

研究问题

• RQ1 Q2MA算法是否可在最小量子物质模型的量子处理器上实现？
• RQ2 在实现热平均给定不确定度的前提下，Q2MA与QMS在门数与误差预算方面有何差异？
• RQ3 Q2MA中的主要系统性误差来源是什么，特别是与QPE精度和振幅放大相关的误差？
• RQ4 Q2MA在态制备速度方面是否相比QMS具有量子优势，尤其是在系统尺寸扩展时的性能表现？
• RQ5 统计误差与系统性误差之间的权衡如何影响热平均估计的整体效率？

主要发现

• Q2MA算法成功制备了一个纯量子态，其测量统计分布能准确重现三自旋阻挫系统的正确热分布，验证了其核心机制的有效性。
• 由于需要多次QPE电路与振幅放大步骤，Q2MA所需的量子门数显著多于QMS，导致误差敏感性增加。
• Q2MA中的系统性误差主要源于量子相位估计算法的不准确性，该问题会扭曲态制备过程中目标玻尔兹曼权重的分布。
• Q2MA中的统计不确定性随测量次数增加而有利地减小，符合量子优势的预期，但实际实现受限于门误差。
• 与QMS的直接对比表明，尽管Q2MA在态制备方面具有理论上的更优标度性能，但其实际表现目前受限于高门数与误差累积。
• 研究发现，若能量层级的精确编码被放宽（例如由于噪声或有限QPE精度），热观测量将出现可测量的偏差，凸显了误差缓解的必要性。