Scalable Quantum State Preparation for Encoding Genomic Data with Matrix Product States

Resumen Técnico: Preparación Escalable de Estados Cuánticos para la Codificación de Datos Genómicos con Estados de Producto de Matrices

Declaración del Problema
A medida que el hardware cuántico avanza, un cuello de botella crítico en la bioinformática cuántica es la carga eficiente de datos genómicos clásicos en estados cuánticos. Muchos algoritmos cuánticos prometedores, como el Alineamiento de Secuencias Cuánticas (QSA) y el Algoritmo de Optimización Aproximada Cuántica (QAOA) para la resolución de grafos de pangenomas, requieren que los datos se codifiquen en estados de superposición antes de su ejecución. Sin embargo, la construcción de circuitos cuánticos para preparar estos estados es un desafío debido al ruido del hardware, lo que limita la profundidad del circuito. Los métodos existentes, como la Descomposición Coseno-Seno (determinista) o los Algoritmos Genéticos para la Preparación de Estados (GASP, probabilístico), enfrentan problemas de escalabilidad o ineficiencias computacionales. Además, aunque las Redes de Tensores (específicamente los Estados de Producto de Matrices o MPS) se utilizan ampliamente para simular circuitos cuánticos, existe una falta de métodos escalables para preparar representaciones de MPS de datos arbitrarios (como secuencias genómicas) utilizando circuitos cuánticos.

Metodología
Los autores proponen un método escalable para generar circuitos cuánticos que preparen vectores de estado cuántico arbitrarios y normalizados, específicamente diseñados para datos genómicos, utilizando el formalismo de los Estados de Producto de Matrices (MPS).

1. Codificación de Datos: Las lecturas genómicas se mapean a vectores de estado cuántico. Una lectura de genoma de longitud $L$ se descompone en registros de posición y de base. Utilizando una codificación de $k$-meros (donde $k=1$ para bases simples), el estado se representa como una superposición de posición y tipo de nucleótido. Por ejemplo, el genoma del bacteriófago $\Phi$X174 (5,386 pares de bases) se codifica en un estado de 15 qubits.
2. Representación MPS: El vector de estado objetivo se convierte en un MPS canónico por la izquierda. Esto implica aplicar iterativamente la Descomposición en Valores Singulares (SVD) para remodelar el tensor de estado, resultando en una cadena de matrices $A^{\sigma_i}$ donde las dimensiones internas (dimensiones de enlace, $\chi$) representan el entrelazamiento entre sitios.
3. Construcción del Circuito (Problema Inverso): En lugar de evolucionar el estado cero hacia el objetivo, el algoritmo resuelve el problema inverso: evolucionar el estado objetivo hacia el estado cero $|0\rangle$.
   • El MPS se trunca a una dimensión de enlace de $\chi=2$ para construir una única capa de puertas unitarias de dos qubits ($U_{\sigma_k, \sigma_{k-1}}$) y una puerta final de un solo qubit.
   • Se emplea un procedimiento iterativo: el estado objetivo actual se trunca a $\chi=2$, se genera un circuito $C_q$ para mapear este estado truncado al estado $|0\rangle$, y se aplica el circuito inverso $C_q^\dagger$ al estado objetivo original.
   • Este proceso se repite, acumulando capas de unitarias, hasta que la fidelidad entre el estado evolucionado y $|0\rangle$ cumple con un umbral predefinido. El circuito final es el inverso de esta secuencia acumulada, que evoluciona $|0\rangle$ hacia el estado objetivo.
4. Transpilación: Debido a que los circuitos generados consisten en capas secuenciales de puertas de dos qubits de vecinos cercanos, son lineales y pueden transpilarse eficientemente a cualquier topología de hardware sin un enrutamiento complejo de qubits.

Contribuciones Clave

• Generación de Circuitos Escalable: El artículo presenta un método determinista para generar circuitos cuánticos para estados arbitrarios normalizados con un recuento de puertas que escala como $O(n \cdot \chi_{max}^2)$, donde $n$ es el número de qubits y $\chi_{max}$ es la dimensión de enlace máxima.
• Aplicación Genómica: Esta es la primera aplicación de técnicas de preparación de estados MPS específicamente para la codificación de lecturas de secuencias genómicas. Los autores demuestran la codificación del genoma $\Phi$X174 (15 qubits) y del gen de la proteína spike de SARS-CoV2 (14 qubits).
• Análisis de Compromisos (Trade-off): El estudio analiza sistemáticamente los compromisos entre la dimensión de enlace de MPS, el error de reconstrucción y la complejidad del circuito. Demuestra que es posible una codificación de alta fidelidad de datos genómicos con dimensiones de enlace manejables (por ejemplo, $\chi=98$ para $\Phi$X174 produce un error de reconstrucción de $10^{-6}$).
• Validación de Hardware: El método fue probado en clústeres de Computación de Alto Rendimiento (HPC) y simulado en emuladores de hardware cuántico de IBM (8, 9 y 10 qubits), confirmando la viabilidad del enfoque en dispositivos actuales y de próxima generación.

Resultos

• Eficiencia: El método MPS supera a las herramientas estándar como IBM Qiskit en términos de recuento de puertas para fidelidades algorítmicas equivalentes. Para el genoma $\Phi$X174, el recuento de puertas escala aproximadamente como $2^n$ (donde $n$ es el número de qubits), pero dado que $n \approx \log_2(L)$, las operaciones escalan linealmente con la longitud de la lectura del genoma $L$.
• Fidelidad vs. Complejidad: Las simulaciones muestran que reducir la dimensión de enlace aumenta significamente el error de reconstrucción (por ejemplo, reducir a la mitad la dimensión de enlace para $\Phi$X174 aumenta el error a ~20%). Sin embargo, el método permite una fidelidad ajustable: se pueden generar circuitos para umbrales de fidelidad específicos (por ejemplo, 75%, 90%, 99%) para adaptarse a las restricciones del hardware.
• Rendimiento del Emulador de Hardware: Las pruebas en emuladores de IBM revelaron una interacción compleja entre la fidelidad algorítmica y la fidelidad del hardware. Si bien aumentar el recuento de puertas mejora la fidelidad algorítmica, el ruido del hardware eventualmente degrada la fidelidad total. El punto óptimo existe donde la profundidad del circuito es soportada por la tolerancia al ruido del hardware.
• Estimaciones de Escalabilidad: Los autores estiman que, para finales de 2025, las capacidades actuales del hardware podrían permitir la codificación y secuenciación del gen de la proteína spike de SARS-CoV2 (14 qubits) y potencialmente el genoma completo de $\Phi$X174 (15 qubits) en computadoras cuánticas físicas.

Significancia y Reivindicaciones
El artículo afirma que este método proporciona una vía viable y eficiente para una bioinformática cuántica "lista para aplicaciones". Al permitir la carga de datos genómicos en estados cuánticos con error controlable y una profundidad de circuito manejable, los autores argumentan que flujos de trabajo complejos como el Alineamiento de Secuencias Cuánticas y la resolución de la maraña de grafos de pangenomas pueden implementarse en hardware cuántico de corto plazo.

Los autores enfatizan que, si bien el recuento de puertas escala exponencialmente con el número de qubits ($2^n$), la relación logarítmica entre los qubits y la longitud del genoma ($n \approx \log L$) significa que el método escala linealmente con el tamaño real de los datos biológicos. Concluyen que este enfoque supera el cuello de botella de la carga de datos, permitiendo la ejecución de pipelines de bioinformática totalmente cuánticos para tareas tales como la construcción de árboles filogenéticos y el análisis de pangenomas, siempre que los niveles de ruido del hardware sean gestionados mediante umbrales de fidelidad apropiados. El trabajo no pretende resolver todos los problemas biológicos de inmediato, sino establecer la infraestructura de codificación necesaria para habilitar estos futuros algoritmos.