Neural optimization for quantum architectures: graph embedding problems with Distance Encoder Networks

Aquí se presenta un resumen técnico detallado del artículo "Optimización neuronal para arquitecturas cuánticas: problemas de incrustación de grafos con Redes Codificadoras de Distancia".

Planteamiento del Problema

El artículo aborda el desafío de mapear problemas de optimización combinatoria en hardware cuántico basado en átomos neutros. Específicamente, se centra en el problema del Grafo de Disco Unitario Constrained (CUDG). En las arquitecturas cuánticas de átomos neutros, los qubits se representan mediante átomos de Rydberg posicionados en un registro 2D o 3D. Sus interacciones están gobernadas por un "efecto de bloqueo", que crea un patrón de conectividad equivalente a un Grafo de Disco Unitario (UDG).

La dificultad central reside en la tarea de incrustación: encontrar las coordenadas espaciales de $n$ qubits de modo que las interacciones físicas resultantes (determinadas por las distancias interatómicas) reproduzcan una matriz de adyacencia deseada (patrón de conectividad) mientras se satisfacen restricciones estrictas de hardware:

1. Distancia mínima ($D_{min}$): Los átomos no pueden colocarse más cerca que un umbral específico (por ejemplo, 4 $\mu$m) debido a limitaciones de las pinzas ópticas.
2. Radio máximo de interacción ($D_{adj}$): Los qubits que interactúan deben estar dentro de un rango de distancia específico (por ejemplo, $\approx$10.26 $\mu$m).
3. Tamaño del registro ($L$): Todos los átomos deben caber dentro de un área circular de radio $L$ (por ejemplo, 50 $\mu$m).
4. Maximización del hueco de adyacencia: La solución debe maximizar la diferencia entre la distancia mínima de los pares no adyacentes y el radio de interacción de los pares adyacentes para garantizar la robustez.

Este problema es NP-difícil y no convexo. Los solucionadores clásicos (como la Programación Cuadrática Mixta Entera con Restricciones o la Programación No Lineal) luchan con la escalabilidad y a menudo fallan en encontrar soluciones factibles para instancias de grafos más grandes dentro de plazos razonables.

Metodología

Los autores proponen un Marco de Optimización Mejorado por Redes Neuronales centrado en una arquitectura personalizada llamada Red Codificadora de Distancia (DEN) y una Función de Pérdida de Incrustación (ELF) especializada.

1. La Red Codificadora de Distancia (DEN)

La DEN es un autoencoder modificado diseñado para aprender una transformación espacial no lineal.

• Entrada: Coordenadas iniciales de los vértices del grafo ($\vec{p}_i$), generadas mediante una fase de preprocesamiento.
• Arquitectura:
  • Autoencoder Entrenable: Comprime las coordenadas de entrada a través de capas totalmente conectadas con activaciones ReLU y dropout, y luego las reconstruye en un nuevo conjunto de coordenadas ($\vec{p}^f_i$).
  • Calculadora de Distancias de Pesos Fijos: Un componente no entrenable que toma las coordenadas reconstruidas y calcula las distancias euclidianas al cuadrado entre todos los pares de vértices ($||\vec{p}^f_i - \vec{p}^f_j||^2$). Esta capa utiliza pesos fijos ($\pm 1, 0$) para realizar la resta de vectores y la elevación al cuadrado, asegurando que la red genere métricas de distancia válidas.
• Inicialización por Preprocesamiento: Se utilizan dos métodos para generar coordenadas iniciales:
  • Escalado: Escalar coordenadas aleatorias para ajustarlas al radio del dominio $L$.
  • Fruchterman-Reingold: Un algoritmo de diseño basado en fuerzas que utiliza fuerzas atractivas/repulsivas basadas en la matriz de adyacencia del grafo.

2. La Función de Pérdida de Incrustación (ELF)

En lugar de utilizar la retropropagación estándar en un conjunto de datos estático, la red se entrena para minimizar una función de pérdida personalizada que codifica directamente las restricciones del CUDG. La ELF combina dos componentes basados en la Pérdida de Clasificación por Margen:

• $ELF_{min}$: Hace cumplir los límites inferiores. Penaliza los casos en los que los vértices adyacentes están demasiado lejos o los vértices no adyacentes están demasiado cerca (violando la separación mínima para pares no interactuantes).
• $ELF_{max}$: Hace cumplir los límites superiores. Penaliza los casos en los que los vértices adyacentes exceden el radio de interacción o los vértices no adyacentes están demasiado cerca.
• Objetivo: La pérdida total impulsa a la red a encontrar coordenadas donde se satisfagan las restricciones de distancia (factibilidad) mientras se maximiza implícitamente el "hueco de adyacencia" (el margen entre distancias factibles e infactibles).

3. Estrategia de Entrenamiento

El marco trata cada instancia de grafo como una tarea de entrenamiento independiente. La red se entrena durante un número fijo de épocas (por ejemplo, 3000) utilizando el optimizador AdamW. El proceso itera para encontrar la mejor incrustación factible, actualizando el parámetro objetivo "hueco de adyacencia" ($\alpha$) cada vez que se encuentra una solución factible mejor.

Contribuciones Clave

1. Marco Novel: Introducción de un enfoque de optimización mejorado por redes neuronales específicamente adaptado para el problema CUDG en arquitecturas cuánticas de átomos neutros.
2. Red Codificadora de Distancia (DEN): Una arquitectura de autoencoder especializada que integra una calculadora de distancias de pesos fijos para generar directamente distancias euclidianas al cuadrado, permitiendo que las restricciones se apliquen directamente a propiedades geométricas.
3. Función de Pérdida de Incrustación (ELF): Una formulación de pérdida personalizada que traduce restricciones geométricas rígidas (desigualdades sobre distancias) en un objetivo de optimización diferenciable, permitiendo que la red aprenda configuraciones espaciales factibles.
4. Manejo de la No Convexidad: El enfoque aprovecha las capacidades de aproximación de las redes neuronales para navegar el espacio de soluciones no convexo del problema CUDG, donde los solucionadores clásicos a menudo fallan.

Resultados Experimentales

Los autores evaluaron el marco en un conjunto de datos de 200 instancias de grafos (que van desde $n=10$ hasta $n=100$ vértices) contra el solucionador clásico Ipopt.

• Factibilidad: El marco basado en DEN superó significativamente a Ipopt en la búsqueda de incrustaciones factibles. Mientras que Ipopt falló en encontrar soluciones para muchas instancias (especialmente a medida que aumentaba $n$), el modelo DEN encontró exitosamente incrustaciones factibles para un porcentaje mucho mayor del conjunto de datos, incluidas instancias con hasta 100 vértices en espacio 3D.
• Dimensionalidad: El modelo encontró soluciones factibles más fácilmente en 3D ($N=3$) que en 2D ($N=2$), probablemente debido al aumento de los grados de libertad.
• Tiempo de Cálculo: El tiempo de entrenamiento del modelo DEN escaló linealmente con el número de vértices. Incluso cuando se concedió a Ipopt significativamente más tiempo (10 veces el tiempo de entrenamiento de DEN), aún falló en resolver instancias que DEN resolvió rápidamente.
• Hueco de Adyacencia: Si bien el modelo DEN destacó en encontrar soluciones factibles, el solucionador clásico (cuando tuvo éxito) a veces produjo incrustaciones con un hueco de adyacencia mayor. Los autores señalan que optimizar el hueco sigue siendo un desafío para el enfoque neuronal.

Significado y Afirmaciones

El artículo afirma que el marco propuesto proporciona una alternativa viable a los solucionadores clásicos para problemas de incrustación en hardware cuántico, particularmente donde los métodos clásicos luchan con la no convexidad y la escalabilidad.

• Impacto Práctico: Permite el mapeo de problemas QUBO complejos a arquitecturas de átomos neutros, un paso crítico para la utilización de estas máquinas cuánticas.
• Generalizabilidad: Los autores sugieren que la arquitectura DEN y la estrategia ELF son generalizables a otros problemas de optimización que involucran restricciones de distancia euclidiana y modelado de desigualdades.
• Trabajo Futuro: El artículo reconoce modestamente las limitaciones, específicamente en cuanto a la maximización del hueco de adyacencia y la necesidad de ajuste de hiperparámetros. Propone trabajo futuro para mejorar la utilización de GPU (mediante mini-lotes) y para refinar la optimización del parámetro del hueco de adyacencia.

Los autores enfatizan que, si bien el enfoque actual no garantiza el hueco de adyacencia óptimo, su contribución principal es la capacidad de encontrar soluciones factibles para un conjunto más amplio de instancias de grafos de lo que era posible anteriormente con métodos clásicos.