Bayesian Parameter Shift Rule in Variational Quantum Eigensolvers

Ce papier introduit une variante bayésienne de la règle de décalage de paramètre utilisant des processus gaussiens pour permettre une estimation de gradient flexible et consciente de l'incertitude dans les solveurs d'éigenvalleurs quantiques variationnels, qui, combinée à une région de confiance de gradient proposée (GradCoRe), accélère considérablement la descente de gradient stochastique et surpasse les méthodes d'optimisation de l'état de l'art.

L'essentiel

Imaginez que vous essayez de trouver le point le plus bas d'une vaste vallée ensoleillée. Cette vallée représente l'énergie d'un système quantique complexe, et votre objectif est de trouver le fond absolu (l'état fondamental) car cela vous indique l'état le plus stable du système. C'est le travail d'un Variational Quantum Eigensolver (VQE).

Cependant, il y a deux grands problèmes :

1. La carte est bruyante : Chaque fois que vous demandez à l'ordinateur quantique la hauteur de la vallée à un endroit précis, la réponse arrive avec des interférences et du flou (bruit), comme essayer d'entendre un chuchotement dans un ouragan.
2. La carte est coûteuse : Demander une mesure à l'ordinateur quantique est incroyablement coûteux en termes de temps et de ressources. Vous voulez poser le moins de questions possible pour trouver le fond.

Pour trouver le fond, vous avez généralement besoin de savoir dans quelle direction c'est « en bas » (le gradient). Dans le monde quantique, nous utilisons une technique appelée règle de déplacement des paramètres (Parameter Shift Rule, PSR) pour déterminer la pente. Considérez la PSR comme une recette standard : « Pour connaître la pente ici, vous devez mesurer la hauteur exactement 1 mètre à gauche et 1 mètre à droite, puis faire quelques calculs. »

Le problème avec la recette standard

La recette standard présente quelques défauts :

• Rigide : Elle exige que vous mesuriez à des emplacements très spécifiques et prédéfinis. Si vous avez déjà mesuré ces endroits plus tôt dans votre parcours, la recette standard ignore ces données et vous force à les mesurer à nouveau.
• Aveugle : Elle vous donne un chiffre pour la pente, mais ne vous dit pas dans quelle mesure vous pouvez faire confiance à ce chiffre. La pente est-elle précise, ou n'est-elle qu'une hypothèse basée sur des données bruyantes ?
• Gaspilleuse : Elle demande souvent le même niveau élevé de précision (de nombreuses mesures) même lorsque vous êtes loin du fond et qu'il vous suffit d'une direction approximative, ou lorsque vous êtes très proche et que vous avez besoin d'une précision extrême.

La nouvelle solution : Règle de déplacement des paramètres bayésienne

Les auteurs de cet article proposent une manière plus intelligente de naviguer dans la vallée en utilisant des règles de déplacement des paramètres bayésiennes. Ils traitent le problème comme un détective résolvant une énigme avec un « processus gaussien » (un outil statistique sophistiqué qui agit comme une carte flexible et intelligente).

Voici comment leur nouvelle approche fonctionne, en utilisant des analogies simples :

1. Le détective flexible (Observation flexible)

Au lieu de suivre une recette rigide qui dit « mesurez exactement ici et là », la méthode bayésienne est comme un détective flexible.

• Réutiliser les indices : Si vous avez mesuré un endroit plus tôt dans votre parcours, le détective s'en souvient. Il ne vous force pas à le mesurer à nouveau. Il combine les anciens indices avec les nouveaux pour obtenir une meilleure image de la pente.
• N'importe quel endroit : Vous pouvez mesurer la hauteur à n'importe quel endroit de votre choix, et non seulement aux endroits préapprouvés. Cela permet à l'algorithme d'être beaucoup plus efficace.

2. Le compteur de confiance (Incertitude)

La recette standard vous donne un chiffre. La méthode bayésienne vous donne un chiffre plus un compteur de confiance.

• Imaginez que le détective dise : « La pente est de 5 degrés, et je suis sûr à 95 %. »
• Parce qu'ils savent exactement à quel point ils sont incertains, ils peuvent prendre des décisions plus intelligentes. Si le compteur de confiance est bas (forte incertitude), ils savent qu'ils doivent rassembler plus de données. S'il est élevé, ils peuvent passer à autre chose.

3. La stratégie « GradCoRe » (Dépense intelligente)

C'est la plus grande innovation de l'article. Ils introduisent un concept appelé GradCoRe (Gradient Confident Region, ou Région de gradient confiant).

• L'objectif : Vous avez seulement besoin de connaître la pente suffisamment bien pour être confiant que vous vous dirigez dans la bonne direction. Vous n'avez pas besoin d'une carte parfaite si vous êtes encore loin du fond.
• La stratégie : L'algorithme se demande : « Combien de mesures (coups) me faut-il maintenant pour être assez confiant afin de faire le prochain pas ? »
  • Si la pente est raide et le bruit faible, il pourrait dire : « Je n'ai besoin que de 10 mesures. »
  • Si la pente est plate et le bruit élevé, il pourrait dire : « J'ai besoin de 1 000 mesures pour être sûr. »
• Le résultat : Cela économise une quantité massive d'« argent » (coups de mesure) car cela vous empêche de sur-mesurer lorsque vous n'en avez pas besoin.

Les résultats : Courir la course

Les auteurs ont testé cette nouvelle méthode contre les anciennes méthodes standard (comme la PSR rigide et d'autres techniques avancées) sur des ordinateurs quantiques simulés.

• Convergence plus rapide : Leur méthode a trouvé le fond de la vallée beaucoup plus vite.
• Moins cher : Elle a obtenu les mêmes résultats (ou de meilleurs) en utilisant considérablement moins de mesures au total.
• Meilleur que le meilleur : Lors de tests directs, leur méthode « GradCoRe » a battu les méthodes actuelles de pointe, y compris d'autres approches bayésiennes et des algorithmes d'optimisation spécialisés.

Résumé

Imaginez l'ancienne méthode comme un randonneur qui suit aveuglément une carte stricte, faisant 100 pas pour mesurer le sol alors qu'il n'en avait besoin que de 10. La nouvelle méthode est comme un randonneur avec un GPS intelligent et adaptatif. Il se souvient d'où il est passé, sait exactement à quel point il est sûr du terrain, et ne demande de nouvelles mesures que lorsque c'est absolument nécessaire. Cela lui permet d'atteindre la destination plus vite et avec moins d'effort.

L'article prouve qu'en utilisant ce « GPS intelligent » (PSR bayésienne) et une « stratégie soucieuse du budget » (GradCoRe), nous pouvons optimiser les ordinateurs quantiques beaucoup plus efficacement, en économisant des ressources quantiques précieuses.

Résumé technique

Résumé technique : Règle de décalage des paramètres bayésienne dans les solveurs d'éigenvaleurs quantiques variationnels

Énoncé du problème
Les solveurs d'éigenvaleurs quantiques variationnels (VQE) sont des algorithmes hybrides quantique-classique conçus pour approximer l'énergie de l'état fondamental de systèmes physiques. Un goulot d'étranglement critique dans l'optimisation des VQE est le coût élevé de l'estimation du gradient, qui repose sur des mesures quantiques répétées (tirs). Le bruit d'observation, provenant principalement du bruit de tir de mesure, nécessite un grand nombre de tirs pour obtenir des gradients précis. Les méthodes existantes, telles que la descente de gradient stochastique (SGD) utilisant les règles de décalage de paramètres (PSR) standard ou des variantes d'optimisation minimale séquentielle (SMO) comme NFT, nécessitent souvent des nombres de tirs fixes et élevés par itération ou manquent de mécanismes pour réduire de manière adaptative les coûts d'observation en fonction de l'état actuel de l'optimisation. Bien que les processus gaussiens (GP) aient été utilisés dans les VQE pour l'optimisation bayésienne (BO) et pour améliorer les méthodes SMO (par exemple, EMICoRe, SubsCoRe), leur application à l'estimation du gradient en SGD a été limitée. Plus précisément, il existe un besoin d'une technique d'estimation du gradient offrant une flexibilité dans les lieux d'observation, fournissant une quantification de l'incertitude et pouvant réutiliser les données historiques pour minimiser les coûts totaux de calcul quantique.

Méthodologie
L'article propose une règle de décalage des paramètres bayésienne (Bayesian PSR) et une stratégie d'optimisation adaptative appelée GradCoRe (Gradient Confident Region).

1. Règle de décalage des paramètres bayésienne (Bayesian PSR) :

   • Les auteurs modélisent la fonction objectif du VQE à l'aide d'un processus gaussien (GP) avec un noyau VQE informé par la physique. Ce noyau est dérivé de la structure polynomiale trigonométrique des fonctions objectif des VQE, garantissant que l'a priori reflète les propriétés physiques du circuit quantique.
   • Contrairement aux PSR standard qui nécessitent des observations à des points spécifiques et équidistants (par exemple, $x \pm \frac{\pi}{2}e_d$), la PSR bayésienne estime le gradient en utilisant la moyenne a posteriori de la dérivée du GP.
   • Cette approche permet l'utilisation d'observations à des endroits arbitraires. Crucialement, elle permet la réutilisation des observations des itérations précédentes de SGD, accumulant ainsi l'information du gradient pour améliorer la précision de l'estimation sans mesures quantiques supplémentaires.
   • La méthode fournit une forme analytique pour l'estimateur de gradient et, de manière significative, l'incertitude a posteriori de l'estimation du gradient avant que les mesures ne soient effectuées.
   • L'analyse théorique (Théorèmes 3.1 et 3.2) démontre que la PSR bayésienne se réduit à la PSR généralisée dans la limite sans bruit avec des observations équidistantes. De plus, elle révèle que le paramètre de décalage standard $\alpha = \pi/2$ est optimal pour minimiser l'incertitude du gradient dans le cas bruité du premier ordre ($V_d=1$).

2. Stratégie GradCoRe (Gradient Confident Region) :

   • En tirant parti des informations d'incertitude de la PSR bayésienne, les auteurs introduisent GradCoRe, défini comme la région où la variance a posteriori de l'estimation du gradient est inférieure à un seuil spécifié.
   • L'algorithme SGD-GradCoRe détermine de manière adaptative le nombre de tirs de mesure requis à chaque itération. Il résout un problème d'optimisation pour trouver le nombre total minimum de tirs tel que le point optimal actuel se situe dans GradCoRe.
   • Le seuil de précision requis est ajusté dynamiquement en fonction de la norme du gradient estimé, permettant moins de tirs lorsque le gradient est faible (près de la convergence) ou que la fonction est plate, et plus de tirs lorsqu'une précision plus élevée est nécessaire.

Contributions clés

• Proposition de la PSR bayésienne : Une variante flexible des PSR existantes qui utilise des GP avec des noyaux VQE pour estimer les gradients à partir d'observations à des endroits arbitraires, fournissant un accès direct aux informations d'incertitude.
• Unification théorique : L'article établit la relation mathématique entre la PSR bayésienne et les PSR existantes, prouvant que le paramètre de décalage standard ($\pi/2$) est optimal pour minimiser l'incertitude dans les cas bruités du premier ordre.
• Cadre GradCoRe : L'introduction du concept de région de confiance du gradient et d'une stratégie de coût d'observation adaptative associée pour SGD, qui minimise le nombre total de tirs de mesure tout en maintenant la précision d'estimation requise.
• Validation empirique : Des expériences numériques démontrant que les méthodes proposées accélèrent considérablement l'optimisation des VQE par rapport aux références de l'état de l'art.

Résultats
Les auteurs ont mené des expériences sur les Hamiltoniens d'Ising et de Heisenberg en utilisant des circuits quantiques SU(2) efficaces avec des nombres de qubits variables ($Q=5, 7$) et des couches ($L=3, 5$).

• Performance par rapport à la SGD standard : La PSR bayésienne seule (Bayes-SGD) a fourni des estimateurs de gradient plus précis que la PSR standard mais a montré des performances d'optimisation comparables lors de l'utilisation de nombres de tirs fixes. Cependant, lorsqu'elle était équipée de la stratégie GradCoRe, la méthode a considérablement surpassé la SGD standard avec des nombres de tirs fixes (par exemple, 128, 256, 512, 1024 tirs).
• Comparaison avec l'état de l'art : GradCoRe a été comparé à SGLBO, Bayes-NFT, EMICoRe et SubsCoRe. Les résultats ont montré que GradCoRe a atteint une convergence plus rapide et des erreurs d'énergie/fidélité finales plus faibles avec moins de tirs de mesure cumulés.
• Signification statistique : Les tests de rangs signés de Wilcoxon ont confirmé que les améliorations de performance de GradCoRe par rapport à toutes les références étaient statistiquement significatives ($p < 0,05$) dans diverses configurations expérimentales.
• Efficacité des coûts : La méthode a réussi à minimiser le nombre total de tirs de mesure (la métrique de coût principale dans les VQE) en allouant de manière adaptative les ressources en fonction de l'incertitude du gradient.

Signification
L'article affirme que les propriétés physiques des VQE, en particulier la structure trigonométrique de leurs fonctions objectif, peuvent être efficacement capturées par des noyaux informés par la physique dans les processus gaussiens. En intégrant cette connaissance dans un cadre bayésien, les auteurs démontrent que :

1. L'estimation du gradient peut être rendue plus flexible et efficace en réutilisant les données historiques.
2. La quantification de l'incertitude peut être directement utilisée pour contrôler de manière adaptative les coûts d'observation, une capacité absente de la SGD basée sur les PSR standard.
3. L'approche proposée comble le fossé entre les techniques d'apprentissage automatique (GP, BO) et l'optimisation quantique, offrant une nouvelle méthode de l'état de l'art pour l'optimisation des VQE qui réduit la consommation de ressources quantiques.

Les auteurs concluent que cette approche bayésienne facilite le développement d'algorithmes plus efficaces pour les VQE et, plus largement, pour les tâches d'optimisation en informatique quantique.