Resumen Técnico: Análisis de Fidelidad de Extremo a Extremo de la Optimización de Circuitos Cuánticos

Declaración del Problema

La fidelidad de las computaciones cuánticas en dispositivos de Escala Intermedia con Ruido de la Era NISQ (Near-Term No-Intermediate Scale Quantum) está limitada por los errores de puerta, la decoherencia y la sobrecarga de compilación. Mientras que la investigación significativa se ha centrado en pasadas de optimización a nivel de puerta (por ejemplo, optimización de peephole, reescritura global), el impacto de extremo a extremo de estas transformaciones en la fidelidad física a nivel de pulso permanece insuficientemente caracterizado. Las comparaciones actuales de compiladores suelen depender de métricas engañosas, como el recuento total de puertas, que no logran distinguir entre operaciones de un solo qubit y de dos qubits. Dado que las puertas de dos qubits dominan el presupuesto de error en los procesadores superconductores, las reducciones en el recuento total de puertas no se traducen necesariamente en una mejora del rendimiento del hardware. Además, las estrategias de optimización se evalúan frecuentemente de forma aislada, ignorando la interacción entre las decisiones a nivel de puerta y la fidelidad de ejecución física.

Metodología

Los autores presentan qco-integration, un marco de trabajo de extremo a extremo que conecta un optimizador de circuitos en C++ de alto rendimiento con un modelo de fidelidad de Lindblad por puerta. El sistema opera a través de un flujo de cinco etapas:

1. Parseo y Validación: Los circuitos de entrada en OpenQASM 3.0 son analizados y validados.
2. Optimización: Un optimizador en C++ aplica una secuencia configurable de cuatro pasadas: Cancelación de Puertas, Análisis de Conmutación, Fusión de Rotaciones y Eliminación de Identidades.
3. Enrutamiento: El algoritmo SABRE mapea los qubits lógicos a topologías de hardware físico (específicamente el diseño heavy-hex de IQM Garnet), insertando puertas SWAP según sea necesario.
4. Compilación de Pulsos: Las puertas nativas (PRX, CZ) se compilan en secuencias de pulsos de microondas con duraciones calibradas (20 ns para un qubit, 40 ns para dos qubits).
5. Simulación: Un modelo de ecuación maestra de Lindblad por puerta calcula los canales ruidosos. A diferencia de las simulaciones de circuito completo, este enfoque resuelve la ecuación en subespacios de uno o dos qubits para cada puerta, componiendo los resultados. El modelo incluye relajación $T_1/T_2$, desfase puro y un canal de depolarización calibrado.

El marco fue evaluado a través de 371 circuitos de referencia (GHZ, QFT, QAOA y Aleatorios) sumando 4,452 ejecuciones experimentales. El estudio incluyó:

• Estudios de Ablación: Evaluación de pasadas individuales, análisis de exclusión (leave-one-out) y pruebas de sensibilidad del orden de las pasadas.
• Comparación de Compiladores: Benchmarking del optimizador personalizado (QCO) contra niveles de transpilación de Qiskit (L0–L3) dirigidos tanto a puertas base virtuales como nativas de IQM.
• Validación de Hardware: Ejecución de ocho circuitos representativos en el procesador de 20 qubits IQM Resonance Garnet para comparar las predicciones simuladas con la fidelidad medida.

Contribuciones Clave

1. Arquitectura de Integración Modular: Un sistema desacoplado que conecta la optimización en C++ con el análisis de nivel de pulso basado en Python mediante OpenQAM y JSON.
2. Modelo de Fidelidad de Lindblad por Puerta: Un modelo escalable que se valida cruzadamente con qiskit-dynamics y escala linealmente con el recuento de puertas, permitiendo el análisis de grandes corpus de circuitos.
3. Estudio de Ablación Sistemático: Una evaluación formal de las pasadas de optimización utilizando tamaños de efecto de Cohen $d$ y pruebas de Kruskal–Wallis para aislar contribuciones y efectos de ordenamiento.
4. Métricas Relevantes al Hardware: Una demostración de que el recuento de puertas de dos qubits, en lugar del recuento total de puertas, es la métrica apropiada para comparar la eficacia del compilador en hardware superconductor.
5. Benchmarking de Hardware: Un benchmark provocado en IQM Garnet (8/8 trabajos completados) que cuantifica la brecha entre la simulación y la realidad.

Resultados

Efectividad de la Optimización

• Dominancia de la Cancelación: La cancelación de puertas es el principal motor de mejora, eliminando 3,780 puertas en todo el corpus y mejorando el 72.0% de los circuitos. Representa un tamaño de efecto grande ($d=1.66$).
• Rol Marginal de Otras Pasadas: La fusión de rotaciones, la conmutación y la eliminación de identidades mostraron efectos insignificantes de forma aislada ($d < 0.2$).
• Orden de las Pasadas: El orden de las cuatro pasadas no tiene un efecto estadísticamente significativo en los resultados de la optimización (Kruskal–Wallis $p=0.302$).

Predictores de Fidelidad

• Correlaciones Negativas: El tamaño del circuito (puertas de entrada, $r=-0.78$) y la duración del pulso ($r=-0.73$) son los predictores negativos más fuertes de la fidelidad del proceso ($R^2=0.53$).
• Sensibilidad al Ruido: El beneficio relativo de la optimización aumenta con la severidad del ruido, proporcionando una mejora de fidelidad relativa del 50% en regímenes de ruido muy alto frente al 8% en ruido bajo.

Comparación de Compiladores (QCO vs. Qiskit)

• Reducción de Dos Qubits: QCO logró una reducción superior de puertas de dos qubits en circuitos estructurados: 100% para QAOA y 87.8% para QFT. En contraste, Qiskit (L3) logró solo 1.5% y 12.2% respectivamente.
• Recuento Total de Puertas Engañoso: Qiskit L2/L3 mostró una alta reducción de puertas totales (47.7%), pero esto fue impulsado por la consolidación de un solo qubit ($u_3$), resultando en solo un 9.3% de reducción de dos qubits.
• Circuitos Aleatorios: Para circuitos aleatorios no estructurados, Qiskit-L3-IQM superó a QCO (16.0% vs. 3.2% de reducción de dos qubits), resaltando el valor de las estrategias de optimización de propósito general para cargas de trabajo no estructuradas.

Validación de Hardware

• El Modelo como Límite Superior: El modelo de Lindblad sobreestimó consistentemente la fidelidad absoluta en el hardware real por una media de 0.49.
• Orden Preservado: A pesar del desfase absoluto, el modelo preservó correctamente el orden de dificultad relativa de los circuitos (por ejemplo, los circuitos GHZ poco profundos mantuvieron una mayor fidelidad que los circuitos QFT profundos).
• Presupuesto de Error: La brecha cuantifica fuentes de error no modeladas, incluyendo el crosstalk, fugas (leakage) y errores de lectura/SPAM.

Significado y Reivindicaciones

El artículo afirma proporcionar una guía concreta para el diseño de compiladores cuánticos en la era NISQ al cerrar la brecha entre la optimización de puertas abstractas y la fidelidad física a nivel de pulso.

• Guía Práctica: Los autores concluyen que los diseñadores de compiladores deben priorizar la cancelación de puertas (que conlleva casi todo el valor de la optimización), reportar recuentos de puertas de dos qubits en lugar de recuentos totales, y evitar la sobreingeniería en el orden de las pasadas.
• Especificidad de Dominio: Los resultados sugieren que los compiladores de producción deben incorporar tanto pasadas de propósito general (efectivas para circuitos aleatorios) como estrategias específicas de dominio (esenciales para algoritmos estructurados como QFT y QAOA).
• Limitaciones del Modelo: Los autores declaran explícitamente que su modelo es una aproximación escalable que omite correlaciones entre puertas y crosstalk. El benchmark de hardware sirve para cuantificar este "gap de optimismo" en lugar de validar valores de fidelidad absoluta.
• Trabajo Futuro: El artículo señala que establecer mejoras de optimización en hardware con suficiente potencia estadística requiere trabajos futuros con más shots y repeticiones, y que extender el marco a otros dispositivos y optimizadores de circuitos no estructurados es el siguiente paso lógico.

El trabajo se publica como código abierto para facilitar la reproducibilidad en el benchmarking de compilación cuántica.