Investigadores han desarrollado un método para reducir la complejidad de los circuitos cuánticos necesarios para preparar estados termocampo doble (TFD), cruciales para la simulación de sistemas de muchos cuerpos interactuantes. El enfoque utiliza una adaptación del algoritmo cuántico aproximado de optimización (QAOA) multiángulo, denominado ma-QAOA, combinado con nuevas técnicas de poda secuencial. Esta reducción es vital para la implementación de algoritmos cuánticos en procesadores ruidosos, donde la profundidad del circuito es un factor limitante.

El estudio aplica el ma-QAOA a la preparación de estados TFD en modelos de Sachdev-Ye-Kitaev (SYK) gaussianos y binarios, tanto en configuraciones densas como dispersas. Los modelos SYK son de particular interés por su relevancia en el estudio de la gravedad cuántica y la materia condensada. Los algoritmos de poda secuencial, que eliminan evoluciones de cadenas de Pauli con ángulos optimizados pequeños y reoptimizan los parámetros restantes, logran mantener una alta fidelidad en la preparación del estado TFD mientras disminuyen significativamente la profundidad del circuito, especialmente a bajas temperaturas.

Los resultados demuestran que el ma-QAOA prepara los estados TFD objetivo con alta fidelidad. En el caso específico del modelo SYK binario disperso con N=10 y β=10, se logró eliminar entre el 88.8% y el 92.1% de las evoluciones no locales de cadenas de Pauli, manteniendo una fidelidad promedio de aproximadamente el 95%. La reoptimización de los costes tras la poda mejoró aún más la fidelidad. Este avance es un paso importante hacia la realización de simulaciones cuánticas eficientes de sistemas complejos en plataformas ruidosas, y se proponen extensiones para implementaciones híbridas cuántico-clásicas.