[论文解读] Reducing the qubit requirement of Jordan-Wigner encodings of $N$-mode, $K$-fermion systems from $N$ to $\lceil \log_2 {N \choose K} ceil$
本文提出了一种针对N模态、K费米子系统的费米子到量子比特编码方法,将量子比特需求从N减少到⌈log₂(N choose K)⌉,达到信息论下限。通过构建从Jordan-Wigner基到最小量子比特基的基于排列的映射,该方法利用粒子数守恒消除了冗余量子比特,显著提升了近场量子模拟的资源效率。
To simulate a fermionic system on a quantum computer, it is necessary to encode the state of the fermions onto qubits. Fermion-to-qubit mappings such as the Jordan-Wigner and Bravyi-Kitaev transformations do this using $N$ qubits to represent systems of $N$ fermionic modes. In this work, we demonstrate that for particle number conserving systems of $K$ fermions and $N$ modes, the qubit requirement can be reduced to the information theoretic minimum of $\lceil \log_2 {N \choose K} ceil$. This will improve the feasibility of simulation of molecules and many-body systems on near-term quantum computers with limited qubit number.
研究动机与目标
- 在现有映射(如Jordan-Wigner和Bravyi-Kitaev)的基础上,进一步降低费米子系统量子模拟的量子比特资源消耗。
- 利用K费米子、N模态系统中的粒子数守恒,最小化量子比特需求。
- 构建一种费米子到量子比特的编码,实现信息论下限⌈log₂(N choose K)⌉个量子比特。
- 证明此类最小编码是可行的,并可通过Clifford门实现低线路深度。
提出的方法
- 提出一种基于排列的映射,将标准Jordan-Wigner基映射到新基,使量子比特数量减少至⌈log₂(N choose K)⌉。
- 利用K费米子、N模态系统中不同多体Fock态的数量为(N choose K),仅需log₂(N choose K)个量子比特即可编码。
- 构建一个酉变换(基态的排列),将标准Fock基映射到具有更少量子比特的新计算基。
- 通过在新基中采用类似Jordan-Wigner的映射方式,确保费米子反对易关系得以保持。
- 证明Clifford群操作(CNOT门和X门)可实现所需排列,从而支持低深度实现。
- 表明在这些情况下,没有Clifford排列能将量子比特数量减少超过原始N个量子比特中的一个,因此通过Clifford操作实现的最大改进仅为一个量子比特。
实验结果
研究问题
- RQ1通过利用粒子数守恒,能否将K费米子、N模态系统的量子比特需求减少到N个以下?
- RQ2能否构建一种费米子到量子比特的编码,使其达到信息论下限⌈log₂(N choose K)⌉个量子比特?
- RQ3在这些编码中,通过Clifford群操作可实现的最大量子比特减少量是多少?
- RQ4在最小量子比特基中,如何保持费米子反对易关系?
- RQ5在这些编码中,量子比特减少与线路深度之间的权衡是什么?
主要发现
- K费米子、N模态系统的量子比特需求从N减少到⌈log₂(N choose K)⌉,达到信息论下限。
- 所提出的编码通过Fock基的排列构建,映射到最小量子比特寄存器,同时保持费米子统计特性。
- 该方法实现了最多N − ⌈log₂(N choose K)⌉个量子比特的减少,当N较大而K较小时,这一减少量可能非常显著。
- Clifford群操作(CNOT门和X门)可实现所需排列,从而支持低深度量子线路。
- 没有Clifford排列能将最小基中的量子比特数量减少超过一个,因此通过Clifford操作实现的最大量子比特减少量为一个。
- 通过显式构造4模态、2费米子系统,验证了该方法的可行性和正确性。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。