Hamiltonian-reconstruction distance as a success metric for the Variational Quantum Eigensolver

Cet article propose et valide la distance de reconstruction hamiltonienne comme métrique de succès pratique pour l'algorithme VQE (Variational Quantum Eigensolver), démontrant par le biais de simulations et d'expériences sur des ions piégés dans le cloud qu'elle évalue efficacement la qualité de la solution et prévient une terminaison prématurée erronée sans nécessiter de connaissance préalable de l'état fondamental réel.

L'essentiel

Le Gros Problème : Deviner le Fond de la Vallée

Imaginez que vous essayez de trouver le tout fond d'une vallée sombre et brumeuse. Cette vallée représente un système quantique complexe, et le fond représente l'état « fondamental » (l'état le plus stable, d'énergie la plus basse). Vous avez un robot (le Variational Quantum Eigensolver, ou VQE) qui peut se promener dans la vallée et vous indiquer à quelle hauteur il se trouve à n'importe quel endroit donné.

L'objectif du robot est de trouver le point le plus bas absolu. Il y parvient en faisant des pas, en vérifiant la hauteur, et en ajustant son chemin pour descendre plus bas.

Le Piège : Vous n'avez pas de carte, et vous ne savez pas où se trouve le vrai fond. Vous ne connaissez que la hauteur actuelle du robot.

Habituellement, le robot s'arrête quand il a l'impression de ne plus descendre. Il dit : « D'accord, je suis coincé, je dois être au fond. » Mais voici le danger : le robot pourrait être coincé sur un petit patch d'herbe plat (un minimum local) qui ressemble au fond, mais ne l'est pas. Si vous vous arrêtez trop tôt, vous pensez avoir trouvé la solution, mais vous êtes en réalité toujours coincé sur une colline.

Le Nouvel Outil : Le Test du « Caméléon »

Les auteurs de ce document proposent une nouvelle façon de vérifier si le robot a réellement trouvé le vrai fond, sans avoir besoin d'une carte. Ils appellent cela la Distance de Reconstruction de l'Hamiltonien (HR).

Voici l'analogie :
Imaginez que la vallée a une forme très spécifique et unique, définie par un ensemble de règles (l'Hamiltonien). Le robot essaie d'imiter cette forme.

1. L'Ancienne Méthode : Vous ne regardez que l'altitude du robot (l'énergie). Si l'altitude cesse de baisser, vous supposez qu'il a terminé.
2. La Nouvelle Méthode (Distance HR) : Vous demandez au robot : « En fonction de l'endroit où vous vous tenez actuellement, quelles sont selon vous les règles de cette vallée ? »
   • Le robot analyse son environnement et tente de reconstruire les règles qui ont créé la vallée.
   • Vous comparez ensuite les règles que le robot a devinées avec les réelles règles de la vallée.
   • La Métrique : Si le robot se tient au vrai fond, sa devinette des règles sera parfaite. La « distance » entre sa devinette et la vérité sera nulle.
   • Si le robot est coincé sur un faux endroit plat, sa devinette des règles sera fausse. La « distance » sera grande, même si le robot pense avoir terminé parce que l'altitude ne change plus.

Ce Qu'ils Ont Fait

Les chercheurs ont testé cette idée sur deux types spécifiques de puzzles quantiques (appelés modèles de spin) en utilisant un véritable ordinateur quantique (une machine à ions piégés basée sur le cloud d'IonQ) et des simulations informatiques.

• Le Test : Ils ont fait courir le robot (VQE) pour trouver le fond de la vallée.
• Le Résultat : Dans plusieurs cas, l'altitude du robot (l'énergie) a cessé de changer, donnant l'impression qu'il avait terminé. Cependant, la Distance HR était encore élevée. Cela a indiqué aux chercheurs : « Hé, le robot pense avoir terminé, mais il est en réalité toujours coincé sur un faux endroit. Continuez ! »
• La Corrélation : Ils ont constaté que plus le robot se rapprochait du vrai fond, plus la Distance HR diminuait. Elle agissait comme une « barre de progression » fiable qui ne mentait pas.

Limitations Importantes (Le Petit Caractère)

Le document précise soigneusement que cet outil n'est pas magique. Il fonctionne mieux dans des conditions spécifiques :

• L'Écart Compte : La vallée doit avoir une « chute » claire entre le fond et la marche suivante la plus haute. Si le fond est trop plat ou trop proche de la marche suivante, le test se trompe.
• Le Bruit Compte : Les vrais ordinateurs quantiques sont « bruyants » (comme une radio avec des parasites). Si le bruit est trop fort, la devinette du robot concernant les règles devient floue, et la métrique de la Distance HR perd en précision.
• Cela Nécessite de la Pratique : Le robot doit être proche de la fin pour que ce test soit utile. Si vous le vérifiez au tout début de la marche, le test pourrait donner un faux sentiment de sécurité.

La Conclusion

Le document affirme que la Distance de Reconstruction de l'Hamiltonien est un nouveau « voyant de contrôle moteur » utile pour les ordinateurs quantiques.

Au lieu de simplement demander : « Sommes-nous assez bas ? » (ce qui peut être trompeur), il demande : « Comprendons-nous la forme du problème que nous résolvons ? » Si la réponse est « Non », l'ordinateur sait qu'il doit continuer à chercher, même si les chiffres de l'énergie semblent indiquer qu'il a terminé. Cela aide à empêcher l'algorithme de s'arrêter trop tôt et de donner une mauvaise réponse.

Résumé technique

Résumé technique : Distance de reconstruction hamiltonienne comme métrique de succès pour l'algorithme variationnel de l'éigenvecteur quantique

Énoncé du problème
L'algorithme variationnel de l'éigenvecteur quantique (VQE) est un algorithme hybride quantique-classique de premier plan pour la simulation de systèmes quantiques sur du matériel quantique à échelle intermédiaire bruyant (NISQ) de l'ère actuelle. Son objectif principal est de trouver heuristiquement l'état fondamental et l'énergie de l'état fondamental d'un hamiltonien cible. Un défi critique du VQE, partagé par d'autres algorithmes heuristiques de recherche d'état fondamental, est de déterminer la qualité de la solution de sortie lorsque l'état fondamental réel et son énergie sont inconnus.

Les critères d'arrêt standard reposent souvent sur le plafonnement de l'énergie (c'est-à-dire que l'énergie ne change plus rapidement entre les itérations). Cependant, les auteurs notent que cela peut entraîner un arrêt prématuré erroné, où l'algorithme s'arrête à un minimum local sous-optimal ou à une plaine stérile, confondant une stagnation de l'énergie avec une convergence vers l'état fondamental réel. Les métriques existantes, telles que la variance hamiltonienne, nécessitent souvent une interprétation au cas par cas ou une connaissance préalable de l'état fondamental pour être efficaces.

Méthodologie : Distance de reconstruction hamiltonienne (HR)
Pour pallier l'absence d'une métrique fiable et agnostique de l'état fondamental, les auteurs proposent et étudient la distance de reconstruction hamiltonienne (HR), notée $\Delta(\bar{\theta})$. Cette métrique est dérivée du cadre théorique de la reconstruction hamiltonienne, qui infère un hamiltonien parent étant donné un état propre.

La méthodologie se déroule comme suit :

1. Sélection d'opérateurs : Un ensemble d'opérateurs $\{\hat{H}_i\}$ est choisi de telle sorte que leur enveloppe contienne le véritable hamiltonien cible $\hat{H}_{\text{True}}$. Pour les modèles spécifiques étudiés (modèle d'Ising en champ transverse 1D et modèle d'Ising en champ transverse $J_1-J_2$ 2D), les auteurs sélectionnent des opérateurs correspondant aux termes présents dans le hamiltonien réel (par exemple, $\sum \sigma^x_i$ et $\sum \sigma^z_i \sigma^z_{i+1}$).
2. Mesure : Pendant l'optimisation du VQE, les valeurs moyennes de ces opérateurs et de leurs corrélations sont mesurées pour construire une matrice de covariance $Q(\bar{\theta})$.
3. Reconstruction : Le vecteur propre correspondant à la plus petite valeur propre de cette matrice de covariance fournit les coefficients $\{\tilde{c}_i\}$ pour un hamiltonien reconstruit $\hat{H}_R = \sum \tilde{c}_i \hat{H}_i$. Si l'état variationnel est un état propre exact de $\hat{H}_{\text{True}}$, alors $\hat{H}_R$ doit être égal à $\hat{H}_{\text{True}}$.
4. Calcul de la métrique : La distance HR est définie comme la distance $L_2$ entre le vecteur de coefficients du hamiltonien reconstruit et le vecteur de coefficients connu du hamiltonien réel :
   $$\Delta(\bar{\theta}) = \| \vec{\tilde{c}}(\bar{\theta}) - \vec{c} \|_2$$
   Crucialement, ce calcul ne nécessite pas la connaissance de l'énergie réelle de l'état fondamental ni de la fonction d'onde réelle de l'état fondamental, mais uniquement la structure du hamiltonien lui-même.

Configuration expérimentale et de simulation
Les auteurs ont évalué la métrique de distance HR par le biais de :

• Expériences matérielles basées sur le cloud : Utilisation de l'ordinateur quantique à ions piégés Harmony d'IonQ.
  • Système 1 : Modèle d'Ising en champ transverse 1D à 11 qubits (1D-TFIM).
  • Système 2 : Modèle d'Ising en champ transverse $J_1-J_2$ 2D à 6 qubits (réseau $3 \times 2$).
  • Ansatz : Un Ansatz à couches alternées (ALA) a été utilisé pour minimiser le nombre de portes CNOT et réduire les erreurs de préparation d'état.
• Simulations numériques : Des simulations approfondies ont été menées pour analyser les effets du bruit de dépolarisation (erreurs de portes à 1 et 2 qubits) et du bruit de tir sur la distance HR et sa corrélation avec la fidélité.

Résultats clés

1. Diagnostic de la convergence prématurée : Dans les modèles 1D et 2D, la distance HR a permis d'identifier avec succès des cas où l'énergie du VQE semblait avoir convergé (plafonné) mais où la solution était sous-optimale. Dans ces scénarios, la distance HR restait significativement non nulle (par exemple, oscillant autour de 0,4 dans la simulation à 11 qubits), indiquant correctement que l'état n'était pas l'état fondamental, alors que la métrique d'énergie suggérait une convergence.
2. Corrélation avec la fidélité et l'énergie :
   • La distance HR a montré une forte corrélation négative avec la fidélité (chevauchement d'état) par rapport à l'état fondamental réel lorsque le VQE était proche de la convergence.
   • Elle a montré une corrélation positive avec la différence d'énergie entre la solution du VQE et l'état fondamental réel.
   • Cette corrélation était valable sous des conditions spécifiques : (1) l'optimisation du VQE était proche de la convergence, (2) le gap d'énergie entre l'état fondamental et les premiers états excités était suffisamment grand, et (3) les fidélités des portes étaient suffisamment élevées.
3. Sensibilité au bruit :
   • Erreurs de portes : À mesure que les probabilités d'erreur des portes à 1 et 2 qubits augmentaient, la corrélation entre la distance HR et la fidélité se dégradait. À des niveaux de bruit élevés, la distance HR devenait moins fiable en tant qu'indicateur autonome de la fidélité.
   • Bruit de tir : Un grand nombre de tirs (environ $10^4$) était nécessaire pour obtenir un rapport signal-sur-bruit raisonnable pour la mesure de la distance HR.
   • Gaps d'énergie : Lorsque le gap d'énergie entre l'état fondamental et le premier état excité était faible, la distance HR perdait sa spécificité, montrant également des corrélations négatives avec la fidélité aux états excités, ce qui compliquait le diagnostic.
4. Comparaison avec la variance : Les auteurs ont comparé la distance HR à la variance hamiltonienne. Bien que la variance diminue également à mesure que la solution s'approche de l'état fondamental, sa plage dépend du hamiltonien, rendant difficile la définition de seuils d'arrêt universels. En revanche, la distance HR est normalisée entre 0 et 1, offrant une métrique plus cohérente à travers différents hamiltoniens.

Importance et affirmations
L'article affirme que la distance de reconstruction hamiltonienne offre une métrique pratique et accessible expérimentalement pour évaluer le succès des algorithmes VQE sur du matériel NISQ, sans nécessiter de connaissance préalable de l'état fondamental réel ou de l'énergie de l'état fondamental.

• Utilité diagnostique : Elle sert d'outil de diagnostic pour prévenir l'arrêt prématuré erroné des itérations du VQE, en particulier dans les cas où les plafonnements d'énergie sont trompeurs.
• Efficacité : La métrique est efficace à calculer, ne nécessitant qu'un nombre polynomial de mesures par rapport au nombre de termes dans le hamiltonien.
• Application future : Les auteurs suggèrent que la distance HR pourrait être intégrée dans des fonctions de coût multi-objectifs pour l'optimisation du VQE. En minimisant simultanément l'énergie et la distance HR, le VQE pourrait trouver des états avec une fidélité plus élevée à l'état fondamental, même si l'énergie est identique, atténuant potentiellement des problèmes tels que les plaines stériles.

Les auteurs maintiennent un ton modeste, reconnaissant que la fiabilité de la métrique dépend de la fidélité du matériel et des gaps d'énergie, et qu'elle doit être considérée comme un outil de diagnostic complémentaire plutôt que comme un substitut parfait à la connaissance de l'état fondamental réel.