Q-MERGE: parallelizzazione della preparazione degli stati quantistici per dati classici su larga scala

Abstract degli autori

L’elaborazione quantistica dei dati classici si basa fondamentalmente sulla mappatura efficiente dei dataset classici nelle ampiezze degli stati quantistici. La preparazione di stati di grandi dimensioni codificati nelle ampiezze rimane tuttavia un importante collo di bottiglia nella computazione quantistica. In questo articolo presentiamo un nuovo framework per la preparazione degli stati, che chiamiamo Q-MERGE, per affrontare questo collo di bottiglia: il framework suddivide uno stato bersaglio di grandi dimensioni in $M$ segmenti da $n$ qubit, prepara questi segmenti in modo indipendente e in parallelo, e poi li combina coerentemente in un unico stato codificato nelle ampiezze usando operazioni SELECT-SWAP e misurazioni. Q-MERGE non dipende dal metodo di preparazione adottato per i singoli segmenti, consentendo di applicare tecniche esistenti a sottoproblemi più piccoli e offrendo al contempo un compromesso regolabile tra profondità del circuito e numero di qubit. Con la misurazione a metà circuito e il riutilizzo del registro di preparazione, il numero di qubit ancilla necessari può essere ridotto da $\mathcal{O}(Mn)$ a $\mathcal{O}(n)$. Applicato a un dataset ecografico reale di dimensioni \(128\times256\), Q-MERGE raggiunge un’infedeltà di $1.066\times10^{-8}$, rispetto a $3.413\times10^{-1}$ ottenuta con la preparazione diretta usando lo stesso metodo di base: un miglioramento di sette ordini di grandezza. Ne dimostriamo sperimentalmente la fattibilità sul computer quantistico a ioni intrappolati Quantinuum System Model H2 e convalidiamo lo stato preparato mediante tomografia shadow-overlap. L’analisi numerica di stati casuali di Haar indica una probabilità di successo costante fino a $M=10^7$ segmenti, a sostegno della scalabilità di Q-MERGE per la codifica di enormi dataset classici.