Pre-optimization of quantum circuits, barren plateaus and classical simulability: tensor networks to unlock the variational quantum eigensolver

Résumé technique : Pré-optimisation de circuits quantiques, plateaux stériles et simulabilité classique

Énoncé du problème
Les algorithmes quantiques variationnels (VQA), tels que le solveur quantique de l'état fondamental (VQE), sont des approches prometteuses pour préparer les états fondamentaux de systèmes à corps multiples en interaction. Cependant, leur utilité pratique est entravée par le problème des « plateaux stériles » (barren plateaus ou BP), où le paysage énergétique s'aplatit de manière exponentielle avec la taille du système, rendant les gradients dérisoires et l'optimisation infaisable. Bien que des travaux récents suggèrent l'existence de « vallées fertiles » — des régions de l'espace des paramètres présentant des gradients non nuls qui ne décroissent que de manière polynomiale — ces régions sont souvent restreintes à des sous-espaces effectifs classiquement simulables. Le défi central abordé est double : (1) Les méthodes classiques peuvent-elles initialiser efficacement les circuits quantiques dans ces régions entraînables pour éviter les plateaux stériles ? et (2) Une fois initialisé, un processeur quantique offre-t-il un avantage computationnel par rapport aux simulations classiques pour l'optimisation ultérieure, ou le problème reste-t-il classiquement simulable ?

Méthodologie
Les auteurs proposent une stratégie hybride classique-quantique utilisant des réseaux de tenseurs (TN) bidimensionnels, spécifiquement des états de paires intriquées projetées (PEPS), pour pré-optimiser des circuits quantiques paramétrés (PQC).

• Pré-optimisation classique : Les auteurs utilisent les PEPS combinés à l'algorithme de « mise à jour simple » (Simple Update - SU) et à la différenciation automatique pour optimiser les PQC conçus pour préparer l'état fondamental du modèle d'Ising en champ transverse (TFIM). Cela permet de déterminer les paramètres optimaux ($\theta_{opt}$) pour des circuits peu profonds.
• Initialisation par démarrage à chaud (Warm-Start) : Ces paramètres optimisés sont utilisés pour initialiser des circuits quantiques plus profonds. Les paramètres restants dans les couches plus profondes sont fixés à zéro (initialisation identité), intégrant ainsi l'état optimisé par TN dans un ansatz plus profond.
• Diagnostic du paysage : Pour vérifier l'évitement des plateaux stériles, les auteurs sondent le paysage énergétique autour du point de démarrage à chaud. Ils échantillonnent les paramètres à l'intérieur d'un hypercube de rayon $r$ autour de $\theta_{opt}$ et mesurent la variance de l'énergie, $\text{Var}(E)$, comme indicateur de l'amplitude du gradient.
• Comparaison de complexité : L'article compare l'échelle de coût de la simulation par réseaux de tenseurs classiques par rapport au coût de l'échantillonnage quantique. L'erreur de mise à l'échelle classique est ajustée selon $\epsilon_{TN} \propto t^{-\beta}$, où $t$ est le temps de simulation. Ceci est comparé à l'échelle d'erreur de l'échantillonnage quantique, $\epsilon_{QC} \propto t^{-1/2}$. Un avantage quantique est revendiqué si l'exposant de mise à l'échelle classique $\beta < 0,5$.

Résultats clés

• Atténuation des plateaux stériles : L'étude démontre que la pré-optimisation par PEPS identifie avec succès des « vallées fertiles ». Pour les topologies heavyhex (utilisées dans les prototypes de qubits supraconducteurs) et de réseau carré 2D, la région de gradients substantiels ($r_{max}$) autour du point de démarrage à chaud ne rétrécit pas exponentiellement avec la taille du système ou la profondeur du circuit. Au contraire, $r_{max}$ suit une mise à l'échelle linéaire avec la taille du système et proportionnellement à $1/\sqrt{D}$.
• Performance sur différentes topologies :
  • Réseau Heavyhex : L'optimisation PEPS est très efficace. Pour des systèmes allant jusqu'à 127 qubits, la simulation par TN classique présente un exposant de mise à l'échelle $\beta \approx 1,24 - 1,56$. Puisque $\beta > 0,5$, la méthode classique est plus efficace que l'échantillonnage quantique dans ce régime, suggérant l'absence d'avantage quantique immédiat pour ces topologies et profondeurs spécifiques.
  • Réseau Carré : En raison d'une connectivité plus élevée et de corrélations de boucles, la contraction de TN est plus coûteuse. En utilisant un schéma de contraction de bordure par MPS, les auteurs ont trouvé un exposant de mise à l'échelle $\beta \approx 0,15 - 0,17$. Puisque $\beta < 0,5$, cela indique un avantage quantique polynomial sur les simulations TN classiques pour ces topologies spécifiques et hautement connectées.
• Profondeur et initialisation : Augmenter la profondeur de pré-optimisation ($D^*$) de 2 à 6 couches a légèrement réduit l'efficacité de la mise à l'échelle classique (augmentation de $\beta$) mais n'a pas éliminé la région entraînable. La stratégie permet la préparation d'états avec une haute précision énergétique, même pour de grands systèmes dépassant la dimension 1D.

Signification et affirmations
L'article affirme fournir une voie viable pour contourner les plateaux stériles dans les VQA en exploitant les réseaux de tenseurs classiques pour une initialisation par « démarrage à chaud ». Les auteurs soulignent que, bien que cette stratégie place avec succès l'optimisation dans des régions entraînables, la question de l'avantage quantique est nuancée et dépendante de la topologie.

• Revendications modestes sur l'avantage : Les auteurs déclarent explicitement que les « vallées fertiles » identifiées sont classiquement simulables. Un avantage quantique n'est pas garanti pour tous les cas ; il est observé uniquement pour des topologies spécifiques (comme le réseau carré) où le coût de contraction classique devient prohibitif par rapport à l'échantillonnage quantique.
• Portée : Le travail est formulé dans le contexte de la préparation d'états fondamentaux variationnels. Les auteurs notent que d'autres algorithmes classiques (par exemple, DMRG) n'étaient pas le point de comparaison principal, mais plutôt le compromis spécifique entre les simulations TN et le matériel quantique pour la même tâche variationnelle.
• Perspectives : Les auteurs suggèrent que passer à des problèmes plus difficiles — tels que des interactions à longue portée, des états fondamentaux plus intriqués et des réseaux plus connectés — pourrait générer des avantages quantiques plus marqués que ceux observés dans la présente étude. Ils soulignent également qu'une comparaison équitable doit finalement tenir compte du coût de l'évaluation du gradient sur le matériel quantique, qui dépend du nombre de paramètres.