Quanten-Simulation mittels stochastischer Kombination von Unitaren

Warum das für zukünftige Quantenmaschinen wichtig ist

Die heutigen Quantencomputer sind prinzipiell leistungsfähig, in der Praxis jedoch empfindlich: Sie verfügen nur über eine überschaubare Zahl von Qubits, und lange, komplexe Programme brechen schnell unter Rauschen zusammen. Viele der wichtigsten Anwendungen — etwa die Simulation von Molekülen, Materialien und auch von rauschenden Quantengeräten selbst — setzen traditionell tiefe Schaltkreise und viele Hilfsqubits voraus. Diese Arbeit stellt eine neue Methode vor, solche anspruchsvollen Simulationen mit kurzen, hardwarefreundlichen Schaltkreisen auszuführen, wobei Tiefe gegen zusätzliche Messungen getauscht wird und damit die Stärken heutiger Geräte ausgenutzt werden.

Eine neue Art, einfache Quantenschritte zu mischen

Die Autoren führen die „stochastische Kombination von Unitaren“ (SCU) ein, ein Rahmenkonzept, komplexe Quantenprozesse als zufällige Mischungen viel einfacherer Operationen zu beschreiben. Ein Quantenprozess — ein Kanal — lässt sich oft als Summe von grundlegenden Transformationen mit jeweiligen Gewichtungen darstellen. Anstatt einen großen Schaltkreis zu bauen, der diese Summe mithilfe vieler Hilfsqubits einbettet — wie im verbreiteten Ansatz der „linearen Kombination von Unitaren“ — sampelt SCU aus dieser Liste von Transformationen. Jeder Lauf des Experiments wendet genau einen einfachen Schaltkreis (oder einen kleinen Schaltkreis mit einem einzelnen Hilfsqubit) mit der richtigen Wahrscheinlichkeit an. Durch Wiederholung und Mittelung der Messergebnisse reproduziert der Gesamteffekt zuverlässig den ursprünglichen, komplizierten Prozess.

Flache Schaltkreise statt großer Hilfsnetzwerke

Diese stochastische Strategie adressiert direkt einen zentralen Engpass in Quantenalgorithmen: die Anzahl der Ancilla- (Hilfs-) Qubits und die Schaltkreistiefe. Standardmethoden der linearen Kombination packen viele Operationen in eine einzige kohärente Routine, gesteuert von Registern aus Ancilla-Qubits und gefolgt von einem empfindlichen „Post-Selection“-Schritt, der oft wiederholt werden muss, bis er gelingt. Dieses Design ist mathematisch elegant, aber für kurzfristige Hardware hart zu realisieren. SCU hingegen verwendet überwiegend ancilla-freie Schaltkreise und, wenn nötig, nur ein einzelnes Hilfsqubit, das auf einfache Weise gemessen wird. Der Preis sind mehr Wiederholungen — mehr Messshots —, doch der Gewinn sind extrem flache Schaltkreise, die für heutige Geräte deutlich realistischer sind.

Rauschende Quantenverbindungen mit verschränkten Zuständen testen

Um zu zeigen, dass SCU tatsächlich offene, rauschbehaftete Quantensysteme handhaben kann, wenden die Autoren es auf einen klassischen verschränkten Zustand an, den GHZ-Zustand, aufgebaut aus acht Qubits auf IBMs ibm_hanoi-Prozessor. In einem realen Netzwerk leiden die Operationen zur Erzeugung solcher Verschränkung unter Energieverlusten und anderen Imperfektionen. Die Autoren modellieren dies durch einen einfachen Dämpfungsprozess, der nach jedem Zwei-Qubit-Gatter angewendet wird und in SCU als zufällige Wahl zwischen wenigen kurzen Schaltkreisen realisiert wird. Anschließend messen sie, wie nahe der resultierende Zustand an einem idealen GHZ-Zustand liegt, mit einer Methode, die auf mehreren quantenmechanischen Kohärenzen basiert und sowohl Populationsanteile als auch empfindliche Phasenbeziehungen prüft. Über mehrere Rauschstärken hinweg folgen die gemessenen Signale und Gesamtfidelitäten den theoretischen Vorhersagen eng; Abweichungen sind hauptsächlich auf Hintergrundrauschen der Hardware zurückzuführen und nicht auf die SCU-Methode selbst.

Das Nachdenken über die Simulation quantendynamischer Prozesse neu

Über statische rauschbehaftete Kanäle hinaus behandelt das Papier eine der zentralen Herausforderungen der Quantenrechnung: die Simulation, wie sich Quantensysteme zeitlich unter einem Hamiltonoperator entwickeln. Aufbauend auf SCU entwickeln die Autoren zwei neue Algorithmen. Der erste, genannt konvexes Taylor-Sampling, ordnet die standardmäßige mathematische Reihe für die Zeitentwicklung so um, dass sie als gewichtete Mischung von unitären Bausteinen erscheint, die stochastisch gesampelt werden kann. Der zweite erweitert vertraute Suzuki–Trotter-Produktformeln, indem er deren Fehlerterme als zusätzliche, gesampelte Korrekturen behandelt, statt sie als feste Beschränkungen hinzunehmen. Auffällig ist, dass sich bei beiden Algorithmen die Anzahl der benötigten Quantengatter nicht explosionsartig erhöht, wenn die geforderte Energieauflösung strenger wird; stattdessen bestimmen hauptsächlich die Kosten für das zusätzliche Sampling, wie aufwändig die Umsetzung wird.

Weniger Gatter für Modell-Quantenmagnete

Um den Nutzen zu quantifizieren, schätzen die Autoren die Ressourcen für die Simulation des transversalen Feld-Ising-Modells, eines Standardtestproblems, das eine Kette von Spins in einem Magnetfeld beschreibt. Sie vergleichen ihre SCU-basierten Methoden mit führenden Alternativen, einschließlich des weitverbreiteten randomisierten Schemas qDRIFT und höherstufiger Produktformeln. Für Systemgrößen von einigen Dutzend bis zu Hunderten von Qubits und bei sehr strengen Genauigkeitszielen reduzieren ihre Ansätze die erforderliche Anzahl von Zwei-Qubit-Gattern um bis zu mehrere Größenordnungen. Selbst wenn man die zusätzlichen Messwiederholungen durch das stochastische Sampling berücksichtigt, kann die gesamte Laufzeit deutlich reduziert werden, weil jeder einzelne Schaltkreis viel kürzer und weniger fehleranfällig ist.

Was das für die Zukunft bedeutet

Praktisch zeigt diese Arbeit, dass viele anspruchsvolle Quantensimulationen um kurze, leicht ausführbare Schaltkreise herum neu aufgebaut werden können, kombiniert mit intelligentem Zufallssampling. Anstatt zu versuchen, einen komplizierten Prozess in einem einzigen Durchgang perfekt zu emulieren, verteilt SCU die Aufgabe auf eine Folge einfacher Experimente und überlässt der Statistik die schwere Arbeit. Diese Strategie eröffnet einen Weg, rauschende Quantennetzwerke und komplexe Quantendynamik auf heutiger und bald verfügbarer Hardware zu untersuchen, und deutet darauf hin, dass clevere Nutzung von Zufall ein Schlüsselelement sein könnte, realistische Quantensimulationen erreichbar zu machen.

Zitation: Peetz, J., Smart, S.E. & Narang, P. Quantum simulation via stochastic combination of unitaries. npj Quantum Inf 12, 52 (2026). https://doi.org/10.1038/s41534-025-01168-w

Schlüsselwörter: Quanten-Simulation, stochastische Algorithmen, offene Quantensysteme, Hamiltonsche Dynamik, rauschbehaftete Quantenhardware