A Givens-exchange ansatz for molecular variational eigensolvers

Resumen Técnico: Un ansatz de intercambio de Givens para resolvedores de valores propios variacionales moleculares

Planteamiento del Problema
El cálculo preciso de las energías del estado fundamental molecular es esencial para el descubrimiento de fármacos computacional, particularmente para sistemas que involucran una fuerte correlación o grandes espacios activos donde las aproximaciones clásicas de la estructura electrónica se vuelven costosas o poco fiables. El VQE (Variational Quantum Eigensolver) aborda esto optimizando un circuito cuántico parametrizado para minimizar el valor de la esperanza de un hamiltoniano de cúbits. Sin embargo, la eficacia práctica del VQE está limitada por el diseño del ansatz:

• Los ansatzes motivados químicamente (p. ej., UCCSD) codifican estructuras de excitación física, pero a menudo resultan en circuitos demasiado profundos para el hardware de corto plazo.
• Los ansatzes eficientes de hardware utilizan capas poco profundas, pero pueden carecer de la expresividad para capturar correlaciones moleculares o sufrir de una mala entrenabilidad.
• Los métodos de Búsqueda de Arquitectura Cuántica (QAS) (p. ej., enfoques basados en Aprendizaje por Refuerzo como HyRLQAS) automatizan la construcción de circuitos para encontrar arquitecturas compactas y de alto rendimiento. Aunque son efectivos, estos métodos introducen una carga computacional significativa mediante la construcción repetida de circuitos y actualizaciones de política, y las arquitecturas resultantes pueden ser difíciles de interpretar químicamente.

El artículo aborda la necesidad de un ansatz que equilibre precisión, reproducibilidad e interpretabilidad sin depender del costo computacional de una búsqueda de arquitectura no restringida.

Metodología
Los autores proponen un ansatz de intercambio de Givens de topología fija que evita la búsqueda de arquitectura por completo. La metodología se fundamenta en la interpretación geométrica de la variedad de Stiefel compleja, donde el ansatz representa una trayectoria unitaria ordenada que preserva la normalización del estado.

• Estructura del Circuito:
  • Inicialización: El circuito comienza desde un estado de base computacional $|b_0\rangle$ seleccionado para tener el valor de la esperanza del hamiltoniano diagonal más bajo.
  • Capas: El ansatz consiste en $L=2$ bloques de macros de intercambio de Givens de todos los pares intercalados con capas locales de rotación $R_Y$.
  • Macro de Intercambio de Givens ($G_{ij}$): Una operación de dos cúbits que actúa sobre los cúbits $i$ y $j$ que rota el subespacio de excitación única comprendido entre $|01\rangle$ y $|10\rangle$, dejando invariantes a $|00\rangle$ y $|11\rangle$. En una base de ocupación de Jordan–Wigner (JW), esto corresponde a una operación de excitación única que conserva las partículas.
  • Secuencia: El estado completo se prepara como $|\psi(\theta)\rangle = R_L G_{L-1} \dots G_0 R_0 |b_0\rangle$, donde las capas $R$ contienen rotaciones $R_Y$ locales y las capas $G$ contienen secuencias ordenadas de intercambios de Givens para todos los pares de cúbits.
• Protocolo de Optimización:
  • Los parámetros (ángulos de rotación $\alpha$ y ángulos de intercambio $\beta$) se optimizan utilizando el optimizador Adam para minimizar el valor de la esperanza del hamiltoniano.
  • Inicialización: Los ángulos se inicializan desde una distribución normal de media cero (escala 0.05).
  • Evaluación: Se utiliza la diagonalización exacta solo después de que la optimización termina para calcular las energías del estado fundamental, los errores y las fidelidades. No forma parte del bucle variacional.
  • Reproducibilidad: Los resultados se reportan como medias de seis semillas (semillas: 17, 11111, 22222, 33333, 44444, 55555) para demostrar el rendimiento típico en lugar de seleccionar la mejor semilla.

Contribuciones Clave

1. Definición de una Topología Fija: Los autores definen un ansatz de intercambio de Givens matemáticamente explícito con una secuencia ordenada y fija de capas de rotación e intercambio, eliminando la necesidad de búsqueda de arquitectura.
2. Interpretación de la Variedad de Stiefel: El trabajo enmarca el ansatz como una trayectoria estructurada en la variedad de Stiefel, proporcionando una justificación geométrica para el uso de macros de intercambio ordenados como bloques de construcción variacionales con significado químico.
3. Protocolo de Benchmarking Riguroso:
   • El estudio distingue entre hamiltonianos de coeficientes verificados (LiH-6, H2O-8) y candidatos de especificación pública (BeH2-6) o casos de estrés (LiH-4 mapeado por paridad).
   • Separa las comparaciones principales de Jordan–Wigner de los casos de mapeo por paridad/reducción para evitar confundir diferentes paisajes variacionales.
   • Reporta los resultados como medias de seis semillas con desviaciones estándar, ofreciendo una visión transparente de la sensibilidad de la optimización.
4. Claridad en la Contabilidad de Recursos: El artículo separa explícitamente los conteos de macros de pre-compilación (intercambios de Givens) de los conteos de puertas nativas de hardware (CNOT), reconociendo que las macros de Givens requieren compilación a puertas nativas.

Resultados
El método fue evaluado en los hamiltonianos LiH-6, BeH2-6 y H2O-8 utilizando el mapeo de Jordan–Wigner sin reducción.

• Precisión Química: En todas las seis semillas, el método logró precisión química (error < 1.60 mHa) para LiH-6, H2O-8 y el candidato BeH2-6 en cada ejecución.
• Magnitudes de Error:
  • LiH-6: Error medio de $0.000000124$ Ha ($0.000124$ mHa).
  • H2O-8: Error medio de $0.000128558$ Ha ($0.128558$ mHa).
  • BeH2-6: Error medio de $0.000002152$ Ha ($0.002152$ mHa).
• Comparación con Baselines de QAS:
  • En LiH-6, el error medio de las seis semillas ($0.000124$ mHa) fue inferior a los errores puntuales publicados de HyRLQAS ($0.590$ mHa), TensorRL-QAS, CRLQAS y otros baselines basados en aprendizaje por refuerzo.
  • En H2O-8, el error medio ($0.128558$ mHa) también fue inferior a los errores puntuales publicados de los métodos QAS comparados.
• Pruebas de Estrés:
  • El método mostró sensibilidad a la inicialización y a los cambios de mapeo. Para el caso de estrés de LiH-4 mapeado por paridad, 5 de las 6 semillas pasaron la precisión química, pero la distribución incluía soluciones locales de alto error.
  • Para LiH-6 en una geometría estirada (3.4 Å), el rendimiento se degradó significativamente, con solo 1/6 de las semillas pasando para el mapeo JW y 0/6 para el mapeo por paridad.
• Ablación: Una ablación de profundidad mostró que $L=2$ (dos bloques de intercambio) era necesario para lograr la precisión química en todas las semillas; $L=1$ fue insuficiente para BeH2 y H2O.

Significado y Reivindicaciones
El artículo afirma que un ansatz de intercambio de Givens de topología fija sirve como un plantilla de referencia precisa, reproducible y libre de búsqueda para los VQEs moleculares.

• Precisión vs. Costo de Búsqueda: El método logra una precisión de vanguardia (errores medios más bajos que varios métodos QAS) sin la sobrecarga computacional de aprender una política de colocación de puertas.
• Compromiso (Trade-off): Los autores reconocen que su ansatz utiliza un "presupuesto de macro de pre-compilación" mayor (más operaciones de dos cúbits) que algunos circuitos compactos optimizados por búsqueda. Lo plantean no como una victoria de recursos de hardware, sino como un compromiso: pagar un mayor costo de macro-operación para ganar un prior transparente y sistemáticamente definido que evita la inestabilidad y el costo de la búsqueda de arquitectura.
• Alcance: El método es más efectivo para hamiltonianos cercanos al equilibrio con interpretaciones de ocupación directa (p. ej., Jordan–Wigner). Su rendimiento se degrada en enlaces estirados o en hamiltonianos efectivos mapeados por paridad, lo que resalta la importancia de la alineación geométrica del ansatz con la codificación específica.
• Rol: La contribución principal es proporcionar un baseline contra el cual se pueden evaluar los métodos basados en búsqueda y futuros variantes compilados, demostando que las plantillas moleculares simples y fijas pueden superar a las arquitecturas aprendidas complejas en términos de precisión media y reproducibilidad.