⚛️ quantum physics

Qudit-ADAPT-VQE: an adaptive variational algorithm with counterdiabatic-inspired improvements for qudits

Este artículo presenta Qudit-ADAPT-VQE, un algoritmo variacional adaptativo para qudits que utiliza un conjunto de operadores inspirado en la contradiabetismo y una estrategia de arranque en caliente para construir ansätze eficientes para resolver Max 3-Cut, logrando así una mayor precisión, menores conteos de compuertas y una mejor robustez contra los llanos estériles en comparación con los enfoques de ansatz fijos.

Autores originales: Joaquín Molina, Herbert Díaz-Moraga, Dardo Goyeneche, Diego Tancara

Publicado 2026-08-18

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Joaquín Molina, Herbert Díaz-Moraga, Dardo Goyeneche, Diego Tancara

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En la carrera por construir computadoras cuánticas útiles, los científicos han dependido durante mucho tiempo de un bloque de construcción básico llamado qubit. Piense en un qubit como un pequeño interruptor que puede estar apagado, encendido o en una extraña superposición de ambos, de forma muy parecida a una moneda girando sobre una mesa. Esta naturaleza binaria refleja los ceros y unos de las computadoras clásicas, lo que convierte a los qubits en el lenguaje estándar del campo. Sin embargo, al igual que una sola moneda solo puede mostrar dos caras, un qubit está limitado a dos estados. La naturaleza, por el contrario, ofrece sistemas con muchas más posibilidades. Un trompo que gira, por ejemplo, puede apuntar en muchas direcciones diferentes, no solo dos. En el mundo cuántico, estos sistemas de múltiples estados se conocen como qudits. El uso de qudits en lugar de qubits podría permitir a los investigadores empaquetar más información en menos partículas, haciendo potencialmente que las computadoras cuánticas sean más pequeñas, más eficientes y estén mejor adaptadas para tipos específicos de problemas complejos, como dividir un grupo de elementos en tres o más categorías en lugar de solo dos.

El desafío con estos sistemas avanzados es que son notoriamente difíciles de controlar. Cuando los científicos intentan programar una computadora cuántica para resolver un problema, a menudo utilizan un método llamado algoritmo variacional. Este proceso es como sintonizar una radio: la computadora adivina una solución, comprueba qué tan cerca está de la respuesta y luego ajusta su configuración para mejorar. El problema es que, a medida que el sistema crece, la señal a menudo se pierde en la estática. Los ajustes se vuelven tan diminutos que la computadora no puede distinguir hacia qué lado girar el dial, un fenómeno conocido como meseta estéril (barren plateau). Además, si la computadora comienza con una mala suposición, puede quedarse atrapada en un pozo local, pensando que ha encontrado la mejor solución cuando solo ha encontrado una mediocre. Estos obstáculos han dificultado el escalamiento de la computación cuántica, incluso con los más potentes qudits.

Un equipo de investigadores en Chile ha propuesto una nueva forma de navegar estas dificultades, específicamente para máquinas basadas en qudits. Adaptaron una estrategia existente llamada ADAPT-VQE, que construye el programa de la computadora paso a paso en lugar de intentar diseñar todo de una vez. En lugar de adivinar la estructura completa, el algoritmo añade una pieza a la vez, eligiendo siempre la pieza que mejora más la respuesta. Para hacer esto aún más efectivo, los investigadores tomaron prestado un concepto de la física conocido como conducción contra-adiabática (counterdiabatic driving). En términos sencillos, esta es una técnica utilizada para acelerar un proceso sin causar errores, similar a cómo un conductor experto podría girar ligeramente antes de una curva para mantener un camino suave. Al usar esta lógica de "dirección" para decidir qué piezas añadir al programa, crearon un nuevo algoritmo llamado Qudit-ADAPT.

El equipo probó su método en un rompecabezas clásico conocido como el problema Max 3-Cut. Imagine una red de ciudades conectadas por carreteras, donde el objetivo es dividir las ciudades en tres grupos distintos de modo que el número de carreteras que conectan los diferentes grupos sea lo más alto posible. Este es un problema que se ajusta naturalmente a la naturaleza de tres estados de los qudits. Los investigadores simularon su algoritmo en una computadora para ver cómo se desempeñaba en comparación con un enfoque de programa fijo estándar. Los resultados fueron sorprendentes. Su método adaptativo encontró soluciones que eran significativamente más precisas, reduciendo a menudo el error en más de diez veces en comparación con el enfoque fijo. Además, logró esta alta precisión utilizando muchos menos pasos y una circuitería menos compleja, lo cual es crucial para mantener las computadoras cuánticas estables en el entorno ruidoso de la tecnología actual.

Más allá de encontrar mejores respuestas, el estudio reveló por qué el método funciona tan bien. Los investigadores examinaron el "paisaje" del problema, observando cómo el algoritmo se movía a través de diferentes soluciones posibles. Encontraron que el enfoque fijo estándar a menudo se perdía en un laberinto de trampas locales, donde la computadora dejaba de mejorar porque no podía ver un mejor camino a seguir. En contraste, el algoritmo Qudit-ADAPT, con su construcción paso a paso y puntos de partida inteligentes, fue capaz de perforar estas trampas. No solo se quedó atrapado; siguió añadiendo nuevas piezas a su programa, remodelando el paisaje y encontrando el camino hacia la solución real. Esto sugiere que el método es robusto contra el problema de la meseta estéril, donde la señal suele desaparecer, porque mantiene a la computadora enfocada en las direcciones más prometedoras en cada paso.

El equipo también exploró cómo la complejidad de la lógica de "dirección" afectaba los resultados. Probaron dos versiones de su conjunto de operadores, una con un conjunto de reglas más simple y otra con un conjunto más detallado y de orden superior. Para muchos de los casos de prueba, ambas versiones funcionaron bien, pero la versión más detallada impulsó consistentemente la precisión aún más cerca de la perfección, especialmente para las redes más complejas e interconectadas. Esto indica que, si bien el método básico es poderoso, añadir una guía más sofisticada permite al sistema resolver problemas más difíciles con mayor precisión. El estudio no pretendía haber resuelto todos los desafíos de la computación cuántica, ni realizó estas pruebas en una máquina cuántica física. En cambio, los hallazgos se basan en rigurosas simulaciones numéricas que modelan cómo se comportaría el algoritmo en un hardware real.

En última instancia, este trabajo ofrece una hoja de ruta prometedora para el futuro de la computación cuántica con qudits. Al combinar un proceso de construcción adaptativo y paso a paso con una guía inspirada en la física, los investigadores han demostrado una forma de evitar los obstáculos comunes que han frenado el progreso en el campo. Su enfoque sugiere que no necesitamos esperar a tener un hardware perfecto para empezar a resolver problemas complejos; podemos, en su lugar, diseñar un software más inteligente que trabaje alrededor de las limitaciones de las máquinas actuales. A medida que el campo avanza, este marco flexible podría convertirse en una herramienta estándar, ayudando a los científicos a aprovechar todo el potencial de los sistemas cuánticos de múltiples estados para abordar problemas de optimización que actualmente están fuera de su alcance.

Resumen Técnico: Qudit-ADAPT-VQE

Planteamiento del Problema
Los Algoritmos Cuánticos Variacionales (VQAs) basados en qudits (sistemas cuánticos de nivel $d$ ) ofrecen ventajas potenciales sobre los enfoques basados en qubits, incluyendo una reducción en la complejidad del circuito para problemas de alta dimensionalidad y una codificación natural para variables con dimensionalidad mayor a dos (por ejemplo, Max $k$ -Cut). Sin embargo, los VQAs basados en qudits enfrentan desafíos significativos similares a sus contrapartes de qubits: el diseño de ansätze eficientes y expresivos, y el problema de las "mesetas estériles" (barren plateaus), donde los gradientes de la función de costo se desvanecen exponencialmente con el tamaño del sistema, dificultando la entrenabilidad. Además, aumentar la dimensión del espacio de Hilbert local ( $d > 2$ ) puede amplificar los efectos de las mesetas estériles. Los enfoques de ansatz fijo, como la extensión de qudits del Algoritmo de Optimización Aproximada Cuántica (QAOA), luchan por equilibrar la expresividad con la profundidad del circuito, requiriendo a menudo circuitos profundos que exacerban el ruido y las dificultades de optimización.

Metodología
Los autores proponen Qudit-ADAPT, un algoritmo variacional adaptativo diseñado para sistemas de qudits. El núcleo del método es la construcción iterativa de un ansatz que selecciona operadores basados en gradientes de energía, en lugar de utilizar una estructura de circuito fija.

Formalismo de Operadores: El algoritmo utiliza operadores de momento angular ( $L_x, L_y, L_z$ ) para codificar variables ternarias ( $\ell=1$ , $d=3$ ). El Hamiltoniano de costo ( $H_C$ ) para el problema Max 3-Cut se formula utilizando estos operadores, los cuales poseen relaciones de conmutación cerradas adecuadas para expansiones de conmutadores anidados.
Pool de Operadores inspirado en la Contradiabetismo (Counterdiabatic): El pool de operadores se deriva de un Hamiltoniano de contradiabetismo (CD) aproximado. Inspirado en la evolución adiabática mejorada con conducción contradiabética, el método construye un Potencial de Gauge Adiabático (AGP) mediante una expansión de conmutadores anidados.
- El AGP se aproxima como $A^{(l)}_\lambda = \sum a_j(t) D_j$ , donde $D_j$ son cadenas de operadores de momento angular.
- Se aborda una adaptación técnica crítica para los qudits: a diferencia de las cadenas de Pauli en sistemas de qubits, los productos de operadores de momento angular en qudits pueden no ser hermíticos. Los autores definen un pool de operadores hermíticos $V_j = (D_j + D_j^\dagger)/2$ para asegurar la validez física.
Construcción Adaptativa (CD-ADAPT): El algoritmo inicializa el estado como el estado fundamental de un Hamiltoniano mezclador ( $H_M$ $H_{M}$ ). En cada iteración:
- Se evalúan los gradientes de energía para todos los operadores en el pool.
- Se selecciona y se añade al ansatz el operador con la mayor magnitud de gradiente.
- Se realiza una optimización de VQE sobre todos los parámetros acumulados utilizando una estrategia de inicio en caliente (warm-start strategy) (reutilizando los parámetros optimizados de la iteración anterior).
- El proceso se repite hasta que la norma del gradiente cae por debajo de un umbral de convergencia.

Contribuciones Clave

Primera Implementación de Qudit-ADAPT: Este trabajo presenta la primera aplicación de la estrategia ADAPT-VQE a la computación cuántica basada en qudits.
Construcción de un Pool Hermítico: Los autores resuelven el problema de la no-hermiticidad inherente a las cadenas de operadores de qudits mediante la construcción de un pool de operadores simetrizado derivado del AGP aproximado.
Integración de Contradiabetismo: El método integra conceptos de conducción contradiabética en la selección adaptativa del pool, guiando teóricamente el ansatz hacia direcciones relevantes para suprimir las transiciones diabéticas.
Análisis de Escalabilidad: El artículo investiga la entrenabilidad del algoritmo en el contexto de las mesetas estériles y los mínimos locales, analizando específicamente el impacto de la estrategia de inicio en caliente en espacios de Hilbert de alta dimensión.

Resultados
El algoritmo fue probado numéricamente en el problema Max 3-Cut utilizando diversas instancias de grafos (irregulares y regulares) con seis vértices.

Precisión vs. QAOA: Qudit-ADAPT superó consistentemente a la técnica de qudit QAOA (ansatz fijo). Para instancias de grafos irregulares, Qudit-ADAPT logró errores relativos al menos un orden de magnitud menores que QAOA. En muchos casos, alcanzó altas razones de aproximación ( $r > 0.99$ ) con significativamente menos parámetros variacionales y puertas nativas.
Orden del Pool de Operadores: Al comparar las aproximaciones de primer orden ( $l=1$ ) y segundo orden ( $l=2$ ) del AGP, el pool $l=2$ proporcionó un rendimiento superior, particularmente para grafos altamente conectados (ej. $K_6$ ), alcanzando la precisión de máquina con menos parámetros que el pool $l=1$ o QAOA.
Robustez y Entrenabilidad:
- Mínimos Locales: El estudio analizó el paisaje de optimización comparando el inicio en caliente (warm-start), el inicio en frío (cold-start) y los reinicios aleatorios. La estrategia de inicio en caliente convergió consistentemente a estados de menor energía que las inicializaciones aleatorias, a menudo por órdenes de magnitud.
- Mecanismo de Excavación (Burrowing): Los resultados respaldan el mecanismo de "excavación", donde la adición iterativa de operadores permite al algoritmo escapar de trampas locales que detendrían a un optimizador de ansatz fijo.
- Mesetas Estériles: La construcción adaptativa, al comenzar con circuitos poco profundos, evita el régimen inicial de mesetas estériles. La estrategia de inicio en caliente asegura que la optimización permanezca en regiones con gradientes resolubles, lo que sugiere robustez contra los efectos de las mesetas estériles que típicamente empeoran con el aumento de la dimensión del qudit.

Significancia y Reivindicaciones
El artículo afirma que Qudit-ADAPT proporciona un marco escalable y robusto para algoritmos cuánticos variacionales en arquitecturas de qudits. Al combinar un pool de operadores inspirado en el contradiabetismo con una construcción adaptativa de inicio en caliente, el método aborda dos desafíos centrales de los enfoques de ansatz fijo: la dificultad de diseñar ansatces eficientes y la susceptibilidad a paisajes de optimización desfavorables (mínimos locales y mesetas estériles).

Los autores sostienen que este enfoque logra una mayor precisión con menores requisitos de recursos (menos parámetros y puertas nativas) en comparación con métodos de ansatz fijo como QAOA. Concluyen que la combinación de crecimiento iterativo del ansatz e inicialización de inicio en caliente permite al algoritmo navegar paisajes de optimización rugosos de manera efectiva, convirtiéndolo en un candidato prometedor para procesadores de qudits en la era NISQ. El trabajo sugiere que las estrategias desarrolladas para el ADAPT-VQE basado en qubits, como las penalizaciones conscientes del hardware y la agrupación de operadores conmutantes, pueden transferirse directamente a este marco de qudits.

Más como este