El papel del panorama de parámetros en las pruebas de referencia de computación cuántica de Hartree-Fock

Área de la Ciencia:

• Computación cuántica
• Química computacional
• Algoritmos cuánticos

Sus antecedentes:

• Google AI Quantum evaluó previamente el procesador cuántico Sycamore para soluciones de Hartree-Fock utilizando mitigación de errores.
• La evaluación comparativa precisa de algoritmos cuánticos como Hartree-Fock requiere la evaluación de todo el espacio de parámetros, no solo de soluciones específicas.

Objetivo del estudio:

• Caracterizar los errores inducidos por el ruido dentro del panorama completo de parámetros de un circuito cuántico de determinante de Slater único durante la optimización de Hartree-Fock.
• Evaluar la homogeneidad de la fidelidad y los errores inducidos por el ruido en el panorama de rotación orbital.

Principales métodos:

• Se utilizó el procesador cuántico Google Sycamore.
• Se emplearon estrategias exhaustivas de mitigación de errores.
• Se analizó el panorama completo de parámetros del circuito de optimización de Hartree-Fock.

Principales resultados:

• Los errores inducidos por el ruido y la fidelidad no son uniformes en el panorama de rotación orbital, incluso con mitigación de errores.
• La precisión de un solo estado no es representativa de la precisión en todo el espacio variacional.
• Se identificaron variaciones significativas en la precisión de la energía y el espín total en el panorama de parámetros.

Conclusiones:

• La evaluación comparativa de circuitos cuánticos parametrizados requiere un análisis exhaustivo del panorama completo de parámetros.
• Las estrategias actuales de mitigación de errores no garantizan una precisión uniforme en todos los estados posibles en un espacio variacional.
• Se necesita un enfoque holístico para evaluar la precisión general de los cálculos cuánticos en presencia de ruido.