Numerical Optimization Strategies for the Variational Hamiltonian Ansatz in Noisy Quantum Environments

Resumen Técnico: Estrategias de Optimización Numérica para el Ansatz Hamiltoniano Variacional en Entornos Cuánticos Ruidosos

Planteamiento del Problema
El artículo aborda el desafío crítico de seleccionar algoritmos de optimización clásica apropiados para los Solucionadores Cuánticos Variacionales de Eigenvalores (VQE) que operan en la era de la Computación Cuántica de Escala Intermedia con Ruido (NISQ). Si bien los métodos variacionales son centrales para la computación cuántica de corto plazo, la elección del optimizador suele basarse en la intuición en lugar de ser sistemática. Los autores destacan que el ruido de muestreo de disparos finitos (finite-shot sampling noise) distorsiona fundamentalmente el paisaje de costos, creando mínimos falsos, revirtiendo las direcciones de los gradientes e induciendo deriva estocástica. Estos efectos se ven exacerbados en espacios de parámetros de alta dimensión y pueden conducir a violaciones del principio variacional (donde las energías estimadas parecen menores que el estado fundamental real). El estudio busca evaluar sistemáticamente las estrategias de optimización para determinar qué métodos mantienen la robustez bajo estas condiciones ruidosas, utilizando específicamente el Ansatz Hamiltoniano Variacional truncado (tVHA).

Metodología
Los autores llevaron a cabo un estudio comparativo exhaustivo de ocho algoritmos de optimización clásica aplicados al marco de trabajo tVHA en cuatro sistemas moleculares: H₂, H₄ (cadena lineal), LiH (espacio completo) y LiH (espacio activo). Los optimizadores probados incluyeron:

• Basados en gradiente: BFGS, Descenso de Gradiente (GD), SLSQP.
• Sin gradiente/Sin derivadas: COBYLA, Nelder-Mead, SPSA.
• Basados en población/Metaheurísticos: CMA-ES, Optimización por Enjambre de Partículas (PSO).

Las simulaciones se realizaron utilizando un stack de Python (Qiskit, PySCF) en la supercomputadora Barbora. El estudio evaluó el rendimiento bajo dos regímenes distintos:

1. Estado vectorial (Sin ruido): Valores esperados exactos para establecer una línea base de convergencia.
2. Ruido de muestreo: Simulaciones de disparos finitos (fijados en 6,144 disparos por evaluación) para imitar las restricciones reales del hardware.

El diseño experimental incluyó 40 ejecuciones independientes por combinación de optimizador-molécula, variando entre la inicialización de Hartree-Fock (HF) y la inicialización de parámetros aleatorios. Un componente metodológico clave fue la "reevaluación de alto número de disparos" (usando $10^5$ disparos) de los mejores parámetros encontrados durante la optimización ruidosa para distinguir la convergencia genuina de los artefactos estadísticos.

Contribuciones Clave y Hallazgos

1. Inversión de la Jerarquía de Optimizadores: El estudio demuestra una clara inversión en el rendimiento de los optimizadores basada en la presencia de ruido.

   • Sin ruido: Los métodos basados en gradiente (particularmente BFGS) convergen más rápido y alcanzan precisión de máquina.
   • Con ruido: Los métodos basados en población y estocásticos (CMA-ES, PSO, SPSA) superan significativamente a los métodos basados en gradiente. BFGS y SLSQP se degradan rápidamente o divergen por completo bajo el ruido de muestreo, ya que su dependencia de la información de curvatura se vuelve poco fiable cuando los gradientes están oscurecidos por el ruido. CMA-ES proporcionó consistentemente la convergencia más robusta en todos los tamaños de sistema y niveles de ruido.

2. Impacto de la Inicialización: La inicialización de Hartree-Fock proporciona una ventaja significativa para sistemas pequeños (H₂), reduciendo la varianza del error y el error medio. Sin embargo, este beneficio disminuye a medida que aumenta el tamaño del sistema (LiH, H₄). En paisajes ruidosos de mayor dimensión, la inicialización aleatoria a veces supera a la inicialización HF para los métodos basados en población, lo que sugiere que la exploración más amplia es más valiosa que los priors estructurados en entornos de ruido rugosos y de alta dimensión.

3. Truncamiento de Espacio Activo: El uso de representaciones de espacio activo (por ejemplo, LiH espacio activo) no solo reduce el costo computacional, sino que también mejora la robustez al ruido en un orden de magnitud en comparación con las simulaciones de espacio completo. Esta simplificación permite que los optimizadores que tienen dificultades en el espacio completo (como COBYLA) alcancen una precisión de sub-milihenry.

4. Violaciones del Principio Variacional y Piso de Ruido: El artículo confirma que el muestreo de disparos finitos frecuentemente resulta en estimaciones de energía por debajo del estado fundamental real, violando el principio variacional. En lugar de descartar estos resultados como no físicos, los autores argumentan que indican una distribución de ruido simétrica alrededor del óptimo. Demuestran que confiar en el "mejor" individuo de una población conduce al sobreajuste de los artefactos de ruido. En su lugar, utilizar la media de la población permite promediar las fluctuaciones simétricas, logrando una precisión en la estimación de la energía que va más allá del límite intrínseco de muestreo sin el costo prohibitivo de aumentar el número de disparos para cada evaluación.

5. Escalabilidad del Sistema: A medida que la complejidad molecular aumenta, el efecto de "meseta desértica" (barren plateau) y la rugosidad inducida por el ruido se vuelven más severos. Los métodos deterministas de gradiente pierden su señal funcional, transicionando la optimización de una contracción impulsada por el gradiente a una difusión dominada por el ruido de muestreo.

Significancia y Reivindicaciones
El artículo afirma proporcionar una guía sistemática y basada en datos para la selección de optimizadores en química cuántica variacional. Su contribución principal es la demostración empírica de que los optimizadores basados en población (específicamente CMA-ES) son esenciales para un rendimiento robusto en regímenes ruidosos y de alta dimensión, mientras que los métodos basados en gradiente están limitados en gran medida a escenarios idealizados, sin ruido o de pequeña escala.

Además, el trabajo redefine la "violación" del límite inferior variacional no solo como un modo de falla, sino como una característica estadística del piso de ruido. Al aprovechar la distribución de estado estacionario de las Estrategias de Evolución y utilizar las medias de la población, los autores muestran que es posible extraer estimaciones de energía de alta precisión a pesar de la presencia de ruido de muestreo. El estudio concluye que para aplicaciones prácticas en la era NISQ, la elección del optimizador es tan crítica como el diseño del ansatz, y que confiar en el "mejor" valor observado es una trampa estadística; la estimación robusta requiere agregar estadísticas de la población.

Los autores mantienen una postura modesta, señalando que sus hallazgos aíslan el ruido de muestreo de disparos finitos sin incluir errores de compuerta coherentes o sesgo de lectura, aunque afirman que el ruido de muestreo por sí solo es suficiente para hacer que los métodos deterministas sean inutilizables. Se sugiere como trabajo futuro emparejar gradientes rápidos con búsqueda de población e incorporar canales de error de hardware realistas.