Bayesian Parameter Shift Rule in Variational Quantum Eigensolvers

Dieser Artikel stellt eine bayessche Variante der Parameter-Verschiebungsregel unter Verwendung Gaußscher Prozesse vor, um eine flexible, unsicherheitsbewusste Gradientenschätzung in Variational Quantum Eigensolvers zu ermöglichen, die in Kombination mit einem vorgeschlagenen Gradienten-Vertrauensbereich (GradCoRe) den stochastischen Gradientenabstieg erheblich beschleunigt und die Optimierungsmethoden des Standes der Technik übertrifft.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen, den tiefsten Punkt in einem weiten, nebligen Tal zu finden. Dieses Tal repräsentiert die „Energie" eines komplexen Quantensystems, und Ihr Ziel ist es, den absoluten Tiefpunkt (den Grundzustand) zu finden, da dieser den stabilsten Zustand des Systems angibt. Dies ist die Aufgabe eines Variational Quantum Eigensolver (VQE).

Es gibt jedoch zwei große Probleme:

1. Die Karte ist verrauscht: Jedes Mal, wenn Sie den Quantencomputer nach der Höhe des Tals an einer bestimmten Stelle fragen, kommt die Antwort mit statischem Rauschen und Unschärfe (Noise) zurück, als würden Sie versuchen, ein Flüstern in einem Hurrikan zu hören.
2. Die Karte ist teuer: Eine Messung beim Quantencomputer abzufragen, ist in Bezug auf Zeit und Ressourcen extrem kostspielig. Sie möchten so wenige Fragen wie möglich stellen, um den Tiefpunkt zu finden.

Um den Tiefpunkt zu finden, müssen Sie normalerweise wissen, welche Richtung „nach unten" zeigt (der Gradient). In der Quantenwelt verwenden wir eine Technik namens Parameter Shift Rule (PSR), um die Steigung zu ermitteln. Betrachten Sie die PSR als ein Standardrezept: „Um die Steigung hier zu kennen, müssen Sie die Höhe genau 1 Meter links und 1 Meter rechts messen und dann etwas Mathematik anwenden."

Das Problem mit dem Standardrezept

Das Standardrezept hat einige Mängel:

• Starr: Es verlangt, dass Sie an sehr spezifischen, vorab festgelegten Orten messen. Falls Sie diese Stellen während Ihrer Reise bereits früher gemessen haben, ignoriert das Standardrezept diese Daten und zwingt Sie, sie erneut zu messen.
• Blind: Es liefert Ihnen eine Zahl für die Steigung, sagt Ihnen aber nicht, wie sehr Sie dieser Zahl vertrauen können. Ist die Steigung genau, oder ist sie nur eine Schätzung basierend auf verrauschten Daten?
• Verschwendend: Es fordert oft das gleiche hohe Maß an Präzision (viele Messungen), selbst wenn Sie sich noch weit vom Tiefpunkt entfernt befinden und nur eine grobe Richtung benötigen, oder wenn Sie sehr nah dran sind und extreme Präzision benötigen.

Die neue Lösung: Bayessche Parameter Shift Rule

Die Autoren dieses Papiers schlagen einen intelligenteren Weg vor, um das Tal mit Bayesschen Parameter Shift Rules zu navigieren. Sie behandeln das Problem wie ein Detektiv, der ein Rätsel mit einem „Gauß-Prozess" löst (ein ausgefeiltes statistisches Werkzeug, das wie eine flexible, intelligente Karte funktioniert).

Hier ist, wie ihr neuer Ansatz mit einfachen Analogien funktioniert:

1. Der flexible Detektiv (Flexible Beobachtung)

Anstatt einem starren Rezept zu folgen, das besagt „messen Sie genau hier und dort", ist die Bayessche Methode wie ein flexibler Detektiv.

• Wiederverwendung von Hinweisen: Wenn Sie einen Ort früher in Ihrer Reise gemessen haben, erinnert sich der Detektiv daran. Er zwingt Sie nicht, ihn erneut zu messen. Er kombiniert alte Hinweise mit neuen, um ein besseres Bild der Steigung zu erhalten.
• Beliebiger Ort: Sie können die Höhe an jedem von Ihnen gewählten Ort messen, nicht nur an den vorab genehmigten Stellen. Dies ermöglicht dem Algorithmus, viel effizienter zu sein.

2. Das Vertrauensmeter (Unsicherheit)

Das Standardrezept gibt Ihnen eine Zahl. Die Bayessche Methode gibt Ihnen eine Zahl plus ein Vertrauensmeter.

• Stellen Sie sich vor, der Detektiv sagt: „Die Steigung beträgt 5 Grad, und ich bin zu 95 % sicher."
• Da sie genau wissen, wie unsicher sie sind, können sie intelligentere Entscheidungen treffen. Wenn das Vertrauensmeter niedrig ist (hohe Unsicherheit), wissen sie, dass sie mehr Daten sammeln müssen. Wenn es hoch ist, können sie weitermachen.

3. Die „GradCoRe"-Strategie (Intelligentes Ausgaben)

Dies ist die größte Innovation des Papiers. Sie führen ein Konzept namens GradCoRe (Gradient Confident Region) ein.

• Das Ziel: Sie müssen die Steigung nur gut genug kennen, um sicher zu sein, dass Sie sich in die richtige Richtung bewegen. Sie brauchen keine perfekte Karte, wenn Sie sich noch weit vom Tiefpunkt entfernt befinden.
• Die Strategie: Der Algorithmus fragt: „Wie viele Messungen (Shots) brauche ich gerade jetzt, um sicher genug zu sein, den nächsten Schritt zu tun?"
  • Wenn die Steigung steil ist und das Rauschen gering, könnte es sagen: „Ich brauche nur 10 Messungen."
  • Wenn die Steigung flach ist und das Rauschen hoch, könnte es sagen: „Ich brauche 1.000 Messungen, um sicher zu sein."
• Das Ergebnis: Dies spart eine enorme Menge an „Geld" (Mess-Shots), da es Sie daran hindert, übermäßig zu messen, wenn Sie es nicht benötigen.

Die Ergebnisse: Das Rennen laufen

Die Autoren testeten diese neue Methode gegen die alten Standardmethoden (wie die starre PSR und andere fortgeschrittene Techniken) an simulierten Quantencomputern.

• Schnellere Konvergenz: Ihre Methode fand den Tiefpunkt des Tals viel schneller.
• Günstiger: Sie erreichte die gleichen (oder besseren) Ergebnisse mit deutlich weniger Gesamtzahl an Messungen.
• Besser als das Beste: In direkten Vergleichen schlug ihre „GradCoRe"-Methode die aktuellen State-of-the-Art-Methoden, einschließlich anderer Bayesscher Ansätze und spezialisierter Optimierungsalgorithmen.

Zusammenfassung

Stellen Sie sich die alte Methode als einen Wanderer vor, der blind einer strengen Karte folgt und 100 Schritte macht, um den Boden zu messen, obwohl er nur 10 benötigt hätte. Die neue Methode ist wie ein Wanderer mit einem intelligenten, adaptiven GPS. Es erinnert sich, wo sie gewesen sind, weiß genau, wie sicher es sich über das Gelände ist, und fragt nur dann nach neuen Messungen, wenn es absolut notwendig ist. Dies ermöglicht ihnen, das Ziel schneller und mit weniger Aufwand zu erreichen.

Das Papier beweist, dass wir durch die Verwendung dieses „intelligenten GPS" (Bayessche PSR) und einer „budgetbewussten Strategie" (GradCoRe) Quantencomputer viel effizienter optimieren können und wertvolle Quantenressourcen sparen.

Technische Zusammenfassung

Technische Zusammenfassung: Bayessche Parameter-Verschiebungsregel in Variational Quantum Eigensolvers

Problemstellung
Variational Quantum Eigensolvers (VQEs) sind hybride Quanten-Klassische-Algorithmen, die entwickelt wurden, um die Grundzustandsenergie physikalischer Systeme zu approximieren. Ein kritischer Engpass bei der VQE-Optimierung sind die hohen Kosten der Gradientenschätzung, die auf wiederholten Quantenmessungen (Shots) beruhen. Das Beobachtungsrauschen, das hauptsächlich aus dem Mess-Shot-Rauschen stammt, erfordert eine große Anzahl von Shots, um genaue Gradienten zu erzielen. Bestehende Methoden, wie Stochastic Gradient Descent (SGD) unter Verwendung der Standard-Parameter-Verschiebungsregeln (PSRs) oder Sequential Minimal Optimization (SMO)-Varianten wie NFT, erfordern oft feste, hohe Shot-Anzahlen pro Iteration oder verfügen nicht über Mechanismen, um die Beobachtungskosten basierend auf dem aktuellen Optimierungsstand adaptiv zu reduzieren. Zwar wurden Gaußsche Prozesse (GPs) in VQEs für Bayessche Optimierung (BO) und zur Verbesserung von SMO-Methoden (z. B. EMICoRe, SubsCoRe) eingesetzt, ihre Anwendung auf die Gradientenschätzung in SGD war jedoch begrenzt. Insbesondere besteht ein Bedarf nach einer Technik zur Gradientenschätzung, die Flexibilität bei den Beobachtungsorten bietet, eine Unsicherheitsquantifizierung ermöglicht und historische Daten wiederverwenden kann, um die Gesamtkosten der Quantenberechnung zu minimieren.

Methodik
Der Artikel schlägt eine Bayessche Parameter-Verschiebungsregel (Bayesian PSR) und eine adaptive Optimierungsstrategie namens GradCoRe (Gradient Confident Region) vor.

1. Bayessche Parameter-Verschiebungsregel (Bayesian PSR):

   • Die Autoren modellieren die VQE-Zielfunktion unter Verwendung eines Gaußschen Prozesses (GP) mit einem physikinformierten VQE-Kernel. Dieser Kernel wird aus der trigonometrischen Polynomstruktur von VQE-Zielfunktionen abgeleitet und stellt sicher, dass die Prior-Verteilung die physikalischen Eigenschaften des Quantenschaltkreises widerspiegelt.
   • Im Gegensatz zu Standard-PSRs, die Beobachtungen an spezifischen, äquidistanten Punkten erfordern (z. B. $x \pm \frac{\pi}{2}e_d$), schätzt die Bayessche PSR den Gradienten unter Verwendung des Posterior-Mittels der Ableitung des GPs.
   • Dieser Ansatz ermöglicht die Verwendung von Beobachtungen an beliebigen Orten. Entscheidend ist, dass er die Wiederverwendung von Beobachtungen aus vorherigen SGD-Iterationen erlaubt, wodurch Gradienteninformationen akkumuliert werden, um die Schätzgenauigkeit zu verbessern, ohne zusätzliche Quantenmessungen durchzuführen.
   • Die Methode liefert eine analytische Form für den Gradientenschätzer und, signifikant, die Posterior-Unsicherheit der Gradientenschätzung, bevor Messungen durchgeführt werden.
   • Die theoretische Analyse (Satz 3.1 und 3.2) zeigt, dass sich die Bayessche PSR im rauschfreien Grenzfall mit äquidistanten Beobachtungen auf die verallgemeinerte PSR reduziert. Ferner wird aufgezeigt, dass der Standard-Verschiebungsparameter $\alpha = \pi/2$ optimal ist, um die Gradientenunsicherheit im rauschbehafteten Fall erster Ordnung ($V_d=1$) zu minimieren.

2. GradCoRe-Strategie (Gradient Confident Region):

   • Unter Ausnutzung der Unsicherheitsinformationen aus der Bayesschen PSR führen die Autoren GradCoRe ein, definiert als der Bereich, in dem die Posterior-Varianz der Gradientenschätzung unter einem bestimmten Schwellenwert liegt.
   • Der SGD-GradCoRe-Algorithmus bestimmt adaptiv die Anzahl der erforderlichen Mess-Shots in jeder Iteration. Er löst ein Optimierungsproblem, um die minimale Gesamtzahl an Shots zu finden, sodass der aktuelle optimale Punkt innerhalb von GradCoRe liegt.
   • Der erforderliche Genauigkeitsschwellenwert wird dynamisch basierend auf der Norm des geschätzten Gradienten angepasst, was weniger Shots erlaubt, wenn der Gradient klein ist (nahe der Konvergenz) oder die Funktion flach ist, und mehr Shots, wenn eine höhere Präzision erforderlich ist.

Hauptbeiträge

• Vorschlag der Bayesschen PSR: Eine flexible Variante bestehender PSRs, die GPs mit VQE-Kernels verwendet, um Gradienten aus Beobachtungen an beliebigen Orten zu schätzen und direkten Zugriff auf Unsicherheitsinformationen bietet.
• Theoretische Vereinheitlichung: Der Artikel stellt die mathematische Beziehung zwischen Bayesscher PSR und bestehenden PSRs her und beweist, dass der Standard-Verschiebungsparameter ($\pi/2$) optimal ist, um die Unsicherheit in rauschbehafteten Fällen erster Ordnung zu minimieren.
• GradCoRe-Rahmenwerk: Die Einführung des Konzepts der Gradient Confident Region und einer damit verbundenen adaptiven Strategie für Beobachtungskosten in SGD, die die Gesamtzahl der Mess-Shots minimiert, während die erforderliche Schätzgenauigkeit gewahrt bleibt.
• Empirische Validierung: Numerische Experimente, die zeigen, dass die vorgeschlagenen Methoden die VQE-Optimierung im Vergleich zu State-of-the-Art-Baselines signifikant beschleunigen.

Ergebnisse
Die Autoren führten Experimente an Ising- und Heisenberg-Hamiltonianen unter Verwendung effizienter SU(2)-Quantenschaltkreise mit variierenden Qubit-Anzahlen ($Q=5, 7$) und Schichten ($L=3, 5$) durch.

• Leistung im Vergleich zu Standard-SGD: Die Bayessche PSR allein (Bayes-SGD) lieferte genauere Gradientenschätzer als die Standard-PSR, zeigte jedoch bei Verwendung fester Shot-Anzahlen eine vergleichbare Optimierungslistung. Wenn sie jedoch mit der GradCoRe-Strategie ausgestattet war, übertraf die Methode die Standard-SGD mit festen Shot-Anzahlen (z. B. 128, 256, 512, 1024 Shots) signifikant.
• Vergleich mit State-of-the-Art: GradCoRe wurde mit SGLBO, Bayes-NFT, EMICoRe und SubsCoRe verglichen. Die Ergebnisse zeigten, dass GradCoRe eine schnellere Konvergenz und niedrigere finale Energie-/Fidelitätsfehler mit weniger kumulativen Mess-Shots erreichte.
• Statistische Signifikanz: Der Wilcoxon-Vorzeichen-Rang-Test bestätigte, dass die Leistungsverbesserungen von GradCoRe gegenüber allen Baselines über verschiedene experimentelle Einstellungen hinweg statistisch signifikant waren ($p < 0,05$).
• Kosteneffizienz: Die Methode minimierte erfolgreich die Gesamtzahl der Mess-Shots (die primäre Kostenmetrik in VQEs), indem sie Ressourcen basierend auf der Gradientenunsicherheit adaptiv zuwies.

Bedeutung
Der Artikel behauptet, dass die physikalischen Eigenschaften von VQEs, insbesondere die trigonometrische Struktur ihrer Zielfunktionen, effektiv durch physikinformierte Kerne in Gaußschen Prozessen erfasst werden können. Durch die Integration dieses Wissens in einen Bayesschen Rahmen zeigen die Autoren, dass:

1. Die Gradientenschätzung flexibler und effizienter gestaltet werden kann, indem historische Daten wiederverwendet werden.
2. Die Unsicherheitsquantifizierung direkt genutzt werden kann, um die Beobachtungskosten adaptiv zu steuern, eine Fähigkeit, die bei Standard-PSR-basiertem SGD nicht vorhanden ist.
3. Der vorgeschlagene Ansatz die Lücke zwischen maschinellen Lernverfahren (GPs, BO) und Quantenoptimierung schließt und eine neue State-of-the-Art-Methode für die VQE-Optimierung bietet, die den Verbrauch von Quantenressourcen reduziert.

Die Autoren schließen, dass dieser Bayessche Ansatz die Entwicklung effizienterer Algorithmen für VQEs und allgemeiner für Quantencomputing-Optimierungsaufgaben erleichtert.