Constraint-Aware Quantum Optimization of Defect Configurations in Doped ZrO2: XY-Mixer QAOA and Grover Adaptive Search

Resumen Técnico: Optimización Cuántica con Conciencia de Restricciones de Configuraciones de Defectos en ZrO2 Dopado

Planteamiento del Problema
El artículo aborda el desafío combinatorio de optimizar las configuraciones de defectos en el diseño de materiales, específicamente dentro de la Zirconia dopada con Gadolinio (Gd-ZrO2), un material crítico para recubrimientos de barrera térmica (TBC). El objetivo es identificar arreglos de baja energía de sustituciones catiónicas (Gd reemplazando a Zr) y vacantes de oxígeno dentro de una supercelda de composición fija. Aunque los potenciales interatómicos aprendidos por aprendizaje automático (MLIPs) como MACE permiten una evaluación rápida de la energía, mapear estas configuraciones discretas y restringidas en un flujo de trabajo de optimización cuántica requiere codificar el problema como un modelo de Optimización Binaria Cuadrática sin Restricciones (QUBO), gestionando rigurosamente las restricciones de composición fija (exactamente dos sustituciones de Gd y una vacante de oxígeno). Los autores sostienen que los enfoques cuánticos estándar de "caja negra" a menudo no respetan estas restricciones físicas de manera eficiente, lo que requiere una estrategia de diseño consciente de las restricciones.

Metodología
Los autores desarrollaron un flujo de trabajo de extremo a extremo validado contra la enumeración clásica exacta de 448 configuraciones factibles (insertadas en un espacio de $2^{24}$). La metodología consta de tres componentes principales:

1. Formulación de QUBO y Modelado Sustituto:

   • Se ajustó un modelo QUBO de 24 variables a los datos de energía MACE-MPA-0 (8 variables de cationes, 16 variables de vacantes de oxígeno).
   • El modelo incluye términos lineales para contribuciones dependientes del sitio y términos cuadráticos para interacciones de pares (catión-catión y catión-vacante). Los términos de vacante-vacante se omitieron debido a la restricción de una sola vacante.
   • Se utilizó regresión Ridge para ajustar 180 características (24 lineales, 156 cuadráticas), logrando un $R^2$ de 0.997 en datos no vistos y un RMSE de 27.6 meV.

2. Enfoque Variacional de Corto Plazo (QAOA):

   • Se compararon dos estrategias de QAOA: un QAOA de Penalización Estándar (añadiendo penalizaciones de restricción al hamiltoniano de costo) y un QAOA con Mezclador XY que Preserva Restricciones.
   • El enfoque del mezclador XY utiliza mezcladores de peso de Hamming fijo que actúan sobre los sectores de cationes y vacantes por separado. Esta construcción confina matemáticamente la evolución cuántica al subespacio factible de 448 dimensiones, garantizando la factibilidad sin necesidad de ajuste de penalizaciones.

3. Búsqueda de Umbral de Tolerancia a Fallos (Búsqueda Adaptativa de Grover - GAS):

   • Se construyó y validó explícitamente un oráculo de GAS restringido. A diferencia de las abstracciones de alto nivel, esto implicó la construcción de circuitos aritméticos reversibles para la evaluación de punto fijo de la energía.
   • El oráculo incluye: mapeo de banderas de términos, acumulación de pesos positivos/negativos, comparación segura de ramas (manejando enteros con signo mediante lógica sin signo), verificación de factibilidad y phase kickback.
   • Los autores evitaron la aritmética de punto flotante, convirtiendo los coeficientes en enteros de punto fijo de 18 bits de fracción para asegurar una comparación exacta y reversible.

Resultos Clave

• Fidelidad del Sustituto: El sustituto QUBO reproduce con precisión el paisaje de energía de MACE ($R^2 = 0.999$ en datos completos), aunque los autores señalan que la variedad de baja energía es casi degenerada. El mínimo global de QUBO difiere ligeramente del estado fundamental de MACE, lo que sugiere un flujo de trabajo híbrido donde el muestreo cuántico es seguido por un re-clasificación (re-ranking) mediante MACE.
• Rendimiento de QAOA:
  • QAOA de Penalización: Falló en producir muestras factibles de manera fiable; en 6 de las 12 configuraciones probadas (variando la profundidad y la fuerza de la penalización), la probabilidad de encontrar un estado factible fue cero. El mejor caso factible arrojó solo un 7% de probabilidad.
  • QAOA con Mezclador XY: Logró un 100% de factibilidad por construcción. A una profundidad $p=3$, concentró el 85.9% de la masa de probabilidad dentro de 1 meV del óptimo de MACE y el 86.1% dentro de las 50 mejores configuraciones de MACE.
  • Análisis de Ruido: Un análisis de factor de supervivencia de primer orden indicó que el conteo de puertas de dos qubits es la fuente dominante de error. Con una fidelidad de puerta de dos qubits del 99.99%, el circuito $p=2$ retiene una alta probabilidad de éxito, mientras que con un 99.9%, el circuito más superficial $p=1$ es preferible.
• Estimación de Recursos de GAS:
  • El oráculo de fase restringido requiere 324 qubits lógicos de alto nivel (352–358 considerando contabilidad conservadora de ancillas limpias).
  • El costo de puertas Toffoli por iteración oscila entre 35,799 y 43,175, dependiendo del caso de umbral (conteo de estados marcados).
  • El costo es impulsado por la precisión de la aritmética de punto fijo y el número de términos de QUBO, no meramente por el número de variables.

Significancia y Reivindicaciones
El artículo sostiene que la conciencia de las restricciones es la decisión de diseño decisiva para la optimización cuántica en ciencia de materiales, aplicable tanto a regímenes de NISQ como de computación tolerante a fallos (FTQC).

• Para NISQ: El estudio demuestra que codificar las restricciones directamente en el mezclador (mezclador XY) es vastamente superior a los métodos basados en penalizaciones, que a menudo fallan en encontrar estados factibles. Esto permite que el algoritmo se concentre enteramente en el subespacio físicamente relevante.
• Para la Computación Tolerante a Fallos: El trabajo va más allá de tratar la Búsqueda Adaptativa de Grover como una caja negra. Al construir y validar las capas de aritmética reversible, los autores proporcionan una estimación de recursos concreta y auditable. Demuestran que el costo del oráculo está gobernado por la complejidad de la aritmética (precisión de punto fijo, acumulación de términos) y no solo por el conteo de variables.
• Amplificación del Espacio Factible: Los autores presentan un límite superior idealizado que muestra cómo restringir la amplificación de Grover al subespacio factible de 448 estados (en lugar del espacio completo de $2^{24}$) podría generar una reducción de aproximadamente $\sim 240\times$ en el costo total de Toffoli. Expresan explícitamente que este es un objetivo teórico que requiere un difusor que preserve las restricciones, el cual aún no ha sido implementado.

Conclusión
El artículo establece un puente validado entre el modelado QUBO informado por materiales y la optimización cuántica. Proporciona una estimación de recursos calibrada para un problema de materiales específico y argumenta que los esfuerzos de escalado futuros deben priorizar algoritmos que preserven las restricciones y modelos sustitutos dispersos y locales para mantener la eficiencia. El flujo de trabajo está diseñado para ser parte de un bucle híbrido donde el muestreo cuántico propone candidatos, que luego son refinados por MLIPs o cálculos de primeros principios.