Skip to main content
QUICK REVIEW

[论文解读] Zeta-regularized vacuum expectation values from quantum computing simulations

Karl Jansen, Tobias Hartung|arXiv (Cornell University)|Jan 1, 2019
Quantum Computing Algorithms and Architecture参考文献 22被引用 4
一句话总结

本文提出一种zeta正则化框架,用于在闵可夫斯基时空和一般度量下非微扰地定义费曼路径积分,从而实现数学上严谨的真空期望值(VEVs)。研究证明,利用近期量子硬件的变分量子本征求解器(VQE)可数值计算这些zeta正则化的VEVs,在2量子比特氢原子基态能量计算中达到90%保真度,但可扩展性仍受限于小系统。

ABSTRACT

The zeta-regularization allows to establish a connection between Feynman's path integral and Fourier integral operator zeta-functions. This fact can be utilized to perform the regularization of the vacuum expectation values in quantum field theories. In this proceeding, we will describe the concept of the zeta-regularization, give a simple example and demonstrate that quantum computing can be employed to numerically evaluate zeta-regulated vacuum expectation values on a quantum computer.

研究动机与目标

  • 通过zeta正则化在闵可夫斯基时空和一般时空度量下,建立费曼路径积分的数学严谨、非微扰定义。
  • 证明zeta正则化真空期望值对应于量子场论中的物理可观测量。
  • 开发并测试一种混合经典-量子算法——具体为变分量子本征求解器(VQE)——以在当前量子硬件上数值评估zeta正则化VEVs。
  • 评估当前量子设备在计算zeta正则化VEVs方面的可行性与局限性,特别是针对小系统。
  • 识别未来研究方向,以实现该方法的可扩展性,包括改进算法与硬件。

提出的方法

  • 通过解析族的规范傅里叶积分核对时间演化算子应用zeta正则化,实现发散迹的解析延拓。
  • 通过与算子族相关的zeta函数的解析延拓,定义真空期望值为时间演化算子的zeta迹。
  • 采用变分量子本征求解器(VQE)计算基态能量作为zeta正则化VEV,成本函数定义为哈密顿量的期望值。
  • 使用参数移位规则在量子处理器上计算成本函数的梯度,实现混合经典-量子优化循环。
  • 该方法使用泡利矩阵导数计算梯度,使所需算符可直接在量子设备上测量。
  • 该方法在Rigetti量子硬件上对一维氢原子模型进行了测试,2量子比特情况下结果验证保真度达90%。

实验结果

研究问题

  • RQ1zeta正则化能否为闵可夫斯基时空和弯曲时空中的路径积分提供非微扰、数学上定义良好的形式?
  • RQ2zeta正则化真空期望值是否对应于量子场论中的物理可测量量?
  • RQ3近期量子计算机能否通过混合经典-量子VQE方法数值评估zeta正则化VEVs?
  • RQ4当前量子硬件在计算此类VEVs方面存在哪些实际限制,特别是关于量子比特数量和保真度?
  • RQ5为实现zeta正则化量子场论计算的可扩展性,需要哪些算法与硬件方面的改进?

主要发现

  • zeta正则化为一般度量(包括闵可夫斯基时空)下的路径积分提供了非微扰、数学上严谨的定义。
  • 研究显示zeta正则化真空期望值对应于物理可观测量,论文中给出了形式证明的简要说明。
  • 变分量子本征求解器在2量子比特设备上成功以90%保真度计算出一维氢原子基态能量作为zeta正则化VEV。
  • VQE的梯度计算通过参数移位规则直接在量子硬件上实现,支持设备内优化。
  • 当前硬件在3量子比特上无法实现该方法,表明测量与优化存在指数级扩展挑战。
  • 未来工作需要改进量子算法、误差缓解技术,以及具备纠错功能的更高保真度硬件,以实现可扩展的量子场论模拟。

更好的研究,从现在开始

从论文设计到论文写作,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。