Optimised Fermion-Qubit Encodings for Quantum Simulation with Reduced Transpiled Circuit Depth

Cet article présente une méthode d'optimisation déterministe pour les encodages fermion-qubit sur arbre ternaire qui réduit le poids de Pauli et la profondeur des circuits transpilés d'environ 26,5 % pour les simulations de molécules d'eau, sans nécessiter d'ancillaires ni modifier la structure d'arbre sous-jacente.

L'essentiel

Imaginez que vous essayez de simuler une réaction chimique complexe, comme l'interaction entre les molécules d'eau, en utilisant un ordinateur quantique. Pour ce faire, vous devez traduire les règles de la chimie (qui impliquent des « fermions », un type de particule subatomique) dans le langage de l'ordinateur quantique (qui utilise des « qubits »).

Ce processus de traduction est appelé un encodage. Pensez-y comme à l'effort consistant à faire entrer un grand meuble encombrant (le problème de chimie) dans un camion de déménagement (l'ordinateur quantique).

Le Problème : Le « Camion de Déménagement » est Trop Petit et Encombrant

Actuellement, la méthode la plus courante pour effectuer cette traduction ressemble à l'utilisation d'une méthode d'emballage standard et rigide (appelée l'encodage Jordan-Wigner). Cela fonctionne, mais c'est souvent inefficace.

• Le Problème : Lorsque vous emballez les meubles de cette manière, vous vous retrouvez avec beaucoup d'espace vide, ou vous devez déplacer le même objet d'avant en arrière à de nombreuses reprises simplement pour le placer au bon endroit. En termes d'informatique quantique, cela signifie que l'ordinateur doit exécuter trop de « portes » (opérations) pour résoudre le problème.
• La Conséquence : Étant donné que les ordinateurs quantiques actuels sont petits et sujets aux erreurs, ces étapes supplémentaires et inutiles rendent la simulation trop lente ou trop sujette aux erreurs pour être utile. C'est comme essayer de conduire un camion lourd avec le frein à main serré.

La Solution : Une Stratégie d'Emballage Plus Intelligente

Les auteurs de cet article ont développé une nouvelle méthode plus intelligente pour emballer les meubles. Ils appellent leur méthode TOPP-HATT.

Voici comment cela fonctionne, en utilisant une analogie simple :

1. La Structure Arborescente : Imaginez les connexions de l'ordinateur quantique comme un arbre généalogique. Certains encodages forcent les meubles dans une forme d'arbre spécifique et rigide. Les auteurs disent : « Gardons exactement cette forme d'arbre, car modifier la structure de l'arbre est trop difficile et pourrait casser la disposition de l'ordinateur. »
2. Le Mélange : Au lieu de modifier l'arbre, ils se contentent de mélanger les étiquettes sur les branches. Imaginez que vous avez un ensemble de valises (les parties chimiques) et un ensemble d'étagères (les bits quantiques). L'ancienne méthode consiste simplement à placer la Valise A sur l'Étagère 1, la Valise B sur l'Étagère 2, et ainsi de suite.
3. L'Optimisation : La nouvelle méthode examine le problème chimique spécifique et se demande : « Si je place la Valise A sur l'Étagère 3 et la Valise B sur l'Étagère 1, l'ordinateur devra-t-il faire moins d'aller-retours ? » Ils utilisent un algorithme déterministe (étape par étape, garanti) pour trouver la meilleure disposition des étiquettes sans jamais modifier la structure de l'arbre sous-jacente.

Les Résultats : Un Trajet Plus Rapide et Plus Fluide

L'article a testé cette méthode sur des molécules d'eau (un cas de test standard) et l'a comparée aux anciennes méthodes d'emballage.

• Le « Avant » et le « Après » : Ils ont mesuré la « profondeur du circuit », qui correspond essentiellement à la longueur du trajet que l'ordinateur quantique doit parcourir.
• L'Amélioration : En utilisant leur nouvelle méthode de mélange, ils ont réduit la longueur du trajet d'environ 25 % en moyenne.
  • Pour les circuits non optimisés, la réduction était de 24,7 %.
  • Pour les circuits déjà optimisés pour un matériel spécifique, la réduction était de 26,5 %.

Pourquoi Cela Compte (Selon l'Article)

Les auteurs soulignent qu'il s'agit d'une méthode déterministe. Contrairement aux méthodes précédentes qui utilisaient des « essais et erreurs » (comme lancer une pièce pour voir si une nouvelle disposition est meilleure), cette méthode suit un ensemble strict de règles pour garantir un bon résultat à chaque fois.

Ils notent également que cette méthode fonctionne bien avec des encodages conçus spécifiquement pour la disposition physique des puces quantiques (comme l'algorithme « Bonsai »), garantissant que les « meubles » restent sur des « étagères » connectées afin que l'ordinateur ne perde pas de temps à déplacer les choses.

En résumé : L'article présente une nouvelle méthode fiable pour réorganiser la manière dont les problèmes chimiques sont mappés sur les ordinateurs quantiques. En se contentant de mélanger les étiquettes sur les connexions existantes plutôt que de reconstruire les connexions elles-mêmes, ils peuvent considérablement réduire le temps et l'effort nécessaires pour exécuter des simulations, tirant ainsi le meilleur parti des ordinateurs quantiques limités dont nous disposons aujourd'hui.

Résumé technique

1. Énoncé du problème

La simulation de systèmes fermioniques (par exemple, des molécules) sur des ordinateurs quantiques à portes nécessite de mapper les opérateurs fermioniques sur des opérateurs de qubits, un processus appelé codage fermion-qubit. Le choix du codage impacte considérablement l'efficacité des simulations quantiques, notamment en ce qui concerne :

• Profondeur de circuit : Le nombre de portes quantiques requises.
• Poids de Pauli : Le nombre d'opérateurs de Pauli non-identité dans une chaîne, ce qui est corrélé aux erreurs de porte et aux frais généraux de mesure.
• Connectivité de l'appareil : La disposition physique des qubits sur un processeur quantique (QPU).

Les approches existantes font face à un compromis :

1. Codages optimisés pour l'Hamiltonien : Ils construisent des codages basés sur l'Hamiltonien spécifique pour minimiser les coefficients, mais aboutissent souvent à des structures arborescentes incompatibles avec le QPU, nécessitant des portes SWAP coûteuses pour déplacer l'information entre des qubits non adjacents.
2. Codages optimisés pour l'appareil : Ils construisent des codages basés sur le graphe de connectivité du QPU (par exemple, en utilisant l'algorithme Bonsai), mais ne parviennent pas à exploiter la structure spécifique de l'Hamiltonien, conduisant à des nombres de portes sous-optimaux.
3. Optimisation stochastique : Les tentatives précédentes de combiner ces objectifs utilisaient des méthodes stochastiques (par exemple, le recuit simulé), qui ne garantissent pas de trouver des minima globaux et sont sensibles aux conditions initiales.

Le défi central : Il existe un besoin d'une méthode déterministe qui optimise le mappage des modes fermioniques sur les qubits au sein d'une structure arborescente fixe (spécifiquement des arbres ternaires) afin de réduire la profondeur de circuit et le poids de Pauli sans altérer la topologie du graphe sous-jacent ni nécessiter de qubits auxiliaires.

2. Méthodologie : TOPP-HATT

Les auteurs proposent TOPP-HATT (Topology-Preserving Hamiltonian Adaptive Ternary Tree), un algorithme déterministe qui optimise l'énumération des opérateurs de Majorana au sein d'une structure d'Arbre Ternaire (TT) pré-définie.

Concepts clés

• Codages par chaînes de Majorana : Les opérateurs fermioniques sont décomposés en opérateurs de Majorana ($\gamma$), qui sont ensuite mappés sur des chaînes de Pauli.
• Arbres ternaires (TT) : Une structure de graphe où les nœuds représentent des qubits et les arêtes représentent des opérateurs de Pauli ($X, Y, Z$). Les feuilles représentent les opérateurs de Majorana.
• Objectif d'optimisation : Minimiser le poids de Pauli ($W_P$) et le poids de Pauli pondéré par les coefficients ($W_{CP}$), ce qui est critique pour les algorithmes stochastiques comme qDRIFT.

L'algorithme (TOPP-HATT)

La méthode assigne itérativement des modes fermioniques aux feuilles de l'arbre tout en préservant la topologie de l'arbre et les propriétés de l'état du vide :

1. Configuration : Un arbre « naïf » est construit où les indices des modes fermioniques correspondent aux indices des qubits.
2. Restrictions : Pour assurer la validité, l'algorithme impose :
   • Indépendance des opérateurs : Garantit que les chaînes de Pauli satisfont aux relations d'anticommutation.
   • Préservation de la structure arborescente : Les nœuds et leurs enfants restent fixes ; seules les affectations des feuilles changent.
   • Préservation du vide : Garantit que l'état du vide fermionique est mappé sur l'état des qubits $|0\rangle^{\otimes N}$. Cela est réalisé en appariant strictement les feuilles (par exemple, si une feuille est assignée à $\gamma_{2k}$, son paire doit être $\gamma_{2k+1}$).
3. Boucle itérative :
   • L'algorithme identifie les « nœuds actifs » (nœuds à la distance maximale de la racine qui n'ont pas d'enfants non assignés).
   • Pour chaque nœud actif, il calcule le produit cartésien de toutes les affectations de feuilles valides possibles pour ses arêtes.
   • Il évalue le poids de Pauli des termes d'Hamiltonien résultants pour chaque combinaison.
   • Il sélectionne l'affectation qui minimise le poids, met à jour l'arbre et réduit l'Hamiltonien (en simplifiant les termes où les indices deviennent identiques).
4. Sortie : Une énumération réordonnée des opérateurs de Majorana qui minimise la fonction de coût pour l'Hamiltonien spécifique tout en maintenant la topologie de l'arbre d'origine.

3. Contributions clés

• Optimisation déterministe : Contrairement aux méthodes stochastiques précédentes, TOPP-HATT garantit un résultat cohérent et reproductible sans risque de rester piégé dans des minima locaux.
• Préservation de la topologie : La méthode optimise au sein d'une structure arborescente fixe. Cela lui permet d'être appliquée à des codages dérivés de graphes de connectivité d'appareils spécifiques (par exemple, des réseaux en hexagones lourds) sans rompre les contraintes matérielles.
• Large applicabilité : La méthode fonctionne pour les codages standards (Jordan-Wigner, Bravyi-Kitaev, Parité, JKMN) et les codages adaptatifs à l'Hamiltonien (Huffman, HATT).
• Aucun ancilla ou surcharge : L'optimisation réduit la profondeur de circuit et le poids de Pauli sans ajouter de qubits supplémentaires ni de portes SWAP.

4. Résultats

La méthode a été testée sur la molécule d'eau ($H_2O$) dans la base STO-3G (14 modes) et sur diverses autres molécules dans les bases STO-3G et 6-31G.

• Réduction du poids de Pauli :
  • Pour les codages standards, TOPP-HATT a réduit de manière constante à la fois le poids de Pauli moyen et le poids de Pauli pondéré par les coefficients par rapport aux énumérations naïves et au recuit simulé.
  • La méthode s'est révélée la plus efficace pour les codages linéaires (Jordan-Wigner, Parité) mais a également montré des améliorations pour les arbres binaires (Bravyi-Kitaev) et ternaires (JKMN).
• Profondeur de circuit qDRIFT :
  • Les auteurs ont appliqué TOPP-HATT comme étape de prétraitement pour l'algorithme qDRIFT (une méthode stochastique d'évolution temporelle).
  • Circuits non transpilés : Réduction moyenne de la profondeur de circuit de 24,7 %.
  • Circuits transpilés : Après compilation pour une topologie d'appareil IQM Garnet à 20 qubits, la réduction moyenne était de 26,5 %.
  • Des améliorations spécifiques pour le codage Jordan-Wigner étaient d'environ 20 % (non transpilé) et 19 % (transpilé).
• Coût computationnel :
  • L'algorithme est efficace sur le plan computationnel. Le temps d'exécution évolue approximativement comme $|H_\gamma|^{1,47}$ (où $|H_\gamma|$ est le nombre de termes de l'Hamiltonien).
  • La boucle interne est hautement parallélisable.

5. Importance

Ce travail aborde un goulot d'étranglement critique dans la simulation quantique à court terme : la haute profondeur de circuit requise pour les simulations fermioniques. En fournissant une méthode d'optimisation déterministe, peu coûteuse et préservant la topologie, TOPP-HATT permet :

• Co-conception : Il comble le fossé entre l'optimisation spécifique à l'Hamiltonien et les contraintes matérielles, permettant aux chercheurs d'utiliser des codages natifs de l'appareil sans sacrifier la précision ou l'efficacité de la simulation.
• Réduction des erreurs : Un poids de Pauli plus faible se traduit directement par moins de portes, réduisant l'accumulation d'erreurs de porte et d'erreurs de lecture, ce qui est vital pour les dispositifs quantiques à échelle intermédiaire bruyants (NISQ).
• Évolutivité : La nature favorable à l'échelle et déterministe de la méthode la rend adaptée au prétraitement de systèmes moléculaires plus grands à mesure que le matériel quantique s'améliore.

En résumé, TOPP-HATT offre une amélioration pratique et immédiate pour les simulations de chimie quantique en optimisant la manière dont les systèmes fermioniques sont mappés sur les qubits, résultant en des circuits quantiques significativement plus peu profonds et plus robustes.