Symbolic Pauli Propagation for Gradient-Enabled Pre-Training of Quantum Circuits

Resumen Técnico: Propagación de Pauli Simbólica para el Preentrenamiento con Gradientes de Circuitos Cuánticos

Planteamiento del Problema
Los modelos de Aprendizaje Automático Cuántico (QML), particularmente aquellos basados en Circuitos Cuánticos Parametrizados (PQC), enfrentan cuellos de botella significativos en la eficiencia del entrenamiento. Evaluar y optimizar los PQC en el hardware cuántico actual es intensivo en recursos, y obtener gradientes mediante métodos analíticos (por ejemplo, la regla de desplazamiento de parámetros o parameter-shift rule) requiere un número de evaluaciones de circuito que escala linealmente con el número de parámetros. Para tareas realistas, esto conduce a tiempos de entrenamiento prohibitivos. Aunque existen optimizadores libres de gradientes, estos suelen sufrir de inestabilidad y no eliminan la dependencia de un costoso hardware cuántico. Además, el fenómeno de "barren plateau" (mesetas estériles), donde los gradientes se desvanecen exponencialmente con el tamaño del sistema, complica el entrenamiento de circuitos profundos.

Metodología
Los autores proponen un método para representar observables cuánticos como funciones analíticas simbólicas explícitas de los parámetros del circuito, independientes de asignaciones de parámetros específicas. Esto se logra mediante la Propagación de Pauli Simbólica en la imagen de Heisenberg.

1. Propagación Exacta: En lugar de evolucionar el estado cuántico hacia adelante (imagen de Schrödinger), el método evoluciona el observable hacia atrás a través del circuito mediante transformaciones de similitud ($O \to U^\dagger O U$). Al restringirse a la base de Pauli, las puertas no Clifford inducen un efecto de "ramificación", donde una sola palabra de Pauli se divide en una combinación lineal de dos palabras. Esto causa que el número de términos crezca exponencialmente con la profundidad del circuito.
2. Representación Simbólica: A diferencia de enfoques previos que asignan valores numéricos a los parámetros durante la propagación, este método deja los parámetros $\vec{\theta}$ sin asignar. En consecuencia, el observable propagado final es una función analítica compuesta por sumas de palabras de Pauli ponderadas por productos de senos y cosenos de los parámetros.
3. Esquemas de Truncamiento: Para gestionar el crecimiento exponencial de términos, los autores introducen dos esquemas de truncamiento:
   • Corte de Peso de Pauli ($w_{cut}$): Descarta las palabras de Pauli donde el número de operadores de identidad excede un umbral. Esto se justifica por la observación de que, para ansätze de dispersión local (locally scrambling), la importancia de los términos decae exponencialmente con el peso.
   • Corte de Frecuencia ($\nu_{cut}$): Descarta términos donde el número de factores seno/coseno (frecuencia) excede un umbral. Dado que los coeficientes son productos de valores $\leq 1$, es estadísticamente probable que los términos de alta frecuencia tengan coeficientes pequeños.
4. Límites de Error: El artículo deriva límites de error uniformes para el truncamiento conjunto de peso y frecuencia. Asumiendo una decaimiento de coeficientes inducido por la localidad, se demuestra que el error de aproximación decae exponencialmente respecto a los valores de corte, siempre que las constantes de decaimiento dominen el crecimiento combinatorio de los términos. Asimismo, se establece un control similar para los gradientes.

Contribuciones Clave

• Marco Simbólico: La introducción de un marco de propagación simbólica que genera expresiones analíticas para los observables, permitiendo la optimización basada en gradientes sin recurrir inmediatamente al hardware cuántico.
• Truncamiento Escalable: La demostración de que la elección adecuada de ansätze (específicamente aquellos de dispersión local) combinada con truncamientos controlados en el peso de Pauli y la frecuencia, produce estimadores precisos incluso para tamaños de sistema que superan las capacidades de simulación clásica.
• Preentrenamiento Clásico: La propuesta de un flujo de trabajo de "preentrenamiento clásico" donde los PQC se optimizan utilizando el objetivo sustituto simbólico en hardware clásico antes de ser ajustados (fine-tuned) en dispositivos cuánticos.
• Justificación Teórica: La derivación de límites de error rigurosos (Ecs. 7 y 8) que cuantifican la compensación entre los umbrales de truncamiento y la precisión de la aproximación tanto para la función de pérdida como para sus gradientes.

Resultados
El método fue validado utilizando el Algoritmo Cuántico de Valores Propios Variacionales (VQE) para encontrar el estado fundamental del modelo de Ising de Vecino Cercano Axial y de Próximo Vecino (ANNNI).

• Configuración de la Simulación: Los experimentos se realizaron en un sistema de 18 cúbits utilizando un ansatz de entrelazador local. Los resultados se compararon contra la diagonalización exacta.
• Precisión: Utilizando cortes de $w_{cut} = 8$ y $\nu_{cut} = 20$, el método logró una alta precisión. Los errores relativos entre los resultados de VQE propagados y la diagonalización exacta fueron mínimos, ocurriendo desviaciones principalmente en la región "antifase" del modelo (campo magnético $h$ bajo, interacción $\kappa$ alta), donde las configuraciones de espín son menos regulares.
• Convergencia: Las curvas de entrenamiento demostraron que el aumento de los cortes conduce a una convergencia rápida hacia los valores exactos. Notablemente, un corte de frecuencia relativamente pequeño ($\nu_{cut} = 20$) fue suficiente para una convergencia casi perfecta, resaltando la eficiencia de la aproximación.
• Control de Gradientes: Se demostró que los gradientes computados mediante la regla de desplazamiento de parámetros en el objetivo sustituto truncado proporcionan una aproximación controlable del paisaje de gradientes exacto.

Significancia y Reivindicaciones
El artículo afirma que este enfoque permite el entrenamiento escalable para sistemas cuánticos más grandes al desplazar la carga computacional del hardware cuántico hacia la simulación clásica. Al derivar representaciones simbólicas, los autores facilitan una forma de preentrenamiento habilitado por gradientes que es computacionalmente eficiente.

Los autores posicionan esto como un paso prometedor para mitigar los desafíos del tiempo de entrenamiento de la QML. Señalan que, si bien el método es particularmente efectivo para problemas expresables como valores esperados de observables (como VQE) y ansätze con propiedades de propagación favorables (dispersión local), puede enfrentar desafíos en tareas generativas que requieran la propagación de un número prohibitivo de observables. El trabajo sugiere que este marco puede extenderse a tamaños de sistema donde la evolución directa de la función de onda es clásicamente intratable, siempre que se cumplan los supuestos de truncamiento. Las direcciones futuras incluyen la aplicación del método a circuitos no simulables y la ampliación de su alcance a otras clases de problemas de QML.