Modellazione con gemelli digitali di sistemi dinamici quantistici: computazione quantistica a reservoir dissipativo

Abstract degli autori

È difficile modellare la risposta di sistemi quantistici a molti corpi sottoposti a pilotaggio a partire da dati di ingresso--uscita: la dinamica è non lineare, dipende dalla storia ed è onerosa da simulare all’aumentare delle dimensioni del sistema. Un caso emblematico è la generazione di armoniche elevate~(HHG), in cui un campo intenso induce un mezzo a emettere radiazione, altamente sensibile al campo di pilotaggio e in cui sono codificate correlazioni temporali a lungo raggio. Introduciamo un framework di computazione quantistica a reservoir dissipativo~(DQRC), che costruisce un gemello digitale di un sistema di questo tipo e apprende direttamente dai dati la sua mappa di ingresso-uscita, mentre il reservoir — che è esso stesso un piccolo sistema quantistico aperto — rimane fisso e si addestra soltanto un readout classico. Mostriamo che un reservoir minimale a singolo qubit riproduce la risposta HHG di una catena di spin di Ising molto più grande e, in un benchmark rappresentativo, eguaglia e, secondo diverse metriche, supera modelli a convoluzione temporale e modelli di rete di Kolmogorov--Arnold descritti in precedenza, pur utilizzando un sistema più semplice e realizzabile fisicamente. Un singolo reservoir fisso generalizza inoltre su un ampio intervallo di campi di pilotaggio, a indicare che apprende una struttura di risposta fisica condivisa invece di memorizzare traiettorie. Questi risultati affermano i reservoir quantistici dissipativi come gemelli digitali compatti e fondati sulla fisica per dinamiche quantistiche non lineari e dipendenti dalla memoria. Il codice è disponibile all’indirizzo \href{https://github.com/AI-and-Quantum-Computing/DQuRC}{https://github.com/AI-and-Quantum-Computing/DQuRC}.