Pure and mixed Dicke state ansatz for equality and inequality constraints in variational quantum eigensolver

Cet article introduit un ansatz d'état de Dicke mixte préservant la faisabilité pour l'algorithme Variational Quantum Eigensolver qui encode structurellement des contraintes de poids de Hamming d'égalité et d'inégalité afin d'éliminer le besoin de termes de pénalité, démontrant une performance supérieure par rapport à la recherche aléatoire dans l'optimisation de portefeuille combinatoire tout en soulignant les défis persistants pour le déploiement sur le matériel NISQ.

L'essentiel

La vue d'ensemble : Trouver la meilleure équipe parmi une multitude d'options

Imaginez que vous êtes un gestionnaire essayant de constituer la l'équipe parfaite d'employés à partir d'un vivier de 100 candidats. Vous avez deux objectifs principaux :

1. Maximiser la performance (obtenir les meilleurs résultats).
2. Suivre des règles strictes (par exemple, « Vous devez choisir exactement 5 personnes » ou « Vous devez choisir entre 3 et 7 personnes »).

Dans le monde de la finance, cela s'appelle l'Optimisation de Portefeuille. Au lieu d'employés, vous choisissez des actions. Au lieu de la performance, vous recherchez des rendements élevés avec un risque faible.

Le problème est qu'à mesure que le nombre de candidats augmente, le nombre de combinaisons possibles explose. Vérifier chaque combinaison une par une (comme une recherche par force brute) prend un temps infini. C'est là que l'Informatique Quantique intervient. Elle promet d'explorer ces possibilités massives bien plus rapidement qu'un ordinateur classique.

Le Problème : Le piège de la « Pénalité »

Par le passé, lorsque les scientifiques essayaient de résoudre ce problème avec des ordinateurs quantiques, ils utilisaient une méthode appelée Variational Quantum Eigensolver (VQE). Voyez le VQE comme un étudiant essayant de résoudre un problème de mathématiques.

Pour s'assurer que l'étudiant respecte les règles (comme « choisir exactement 5 actions »), l'enseignant ajoute généralement une pénalité.

• L'enseignant : « Si tu choisis 6 actions, tu recevras une énorme note rouge sur ta copie. »
• L'étudiant : « D'accord, je vais essayer d'éviter la note rouge. »

Le problème est que l'enseignant doit deviner l'importance de cette « note rouge ». Si la pénalité est trop faible, l'étudiant ignore les règles. Si elle est trop élevée, l'étudiant est confus et ne parvient pas à trouver la meilleure solution. Régler cette « pénalité » est un véritable casse-tête et conduit souvent à de mauvais résultats.

La Solution : Intégrer les règles dans le plan de construction

Cet article introduit une nouvelle façon de construire le « l'étudiant » de l'ordinateur quantique (appelé Ansatz). Au lieu d'ajouter des pénalités a posteriori, les auteurs intègrent les règles directement dans l'ADN de l'étudiant.

Ils utilisent ce qu'on appelle les États de Dicke.

• L'analogie : Imaginez une boîte magique qui ne recrache que des équipes de exactement 5 personnes. Vous ne pouvez pas demander à la boîte de vous donner 4 ou 6 personnes. Il est physiquement impossible pour la boîte de transgresser la règle.
• État de Dicke Pur : C'est la boîte qui ne recrache que des équipes de exactement 5 personnes. Cela résout la « Contrainte d'Égalité » (doit être exactement 5).
• État de Dicke Mixte : C'est la grande innovation de l'article. Imaginez une boîte qui peut recracher des équipes de 3, 4, 5, 6 ou 7 personnes, mais jamais de 2 ou de 8. C'est un « mélange » de différentes tailles d'équipes valides. Cela résout la « Contrainte d'Inégalité » (doit être compris entre 3 et 7).

En utilisant des Matrices de Densité (une façon mathématique sophistiquée de décrire un mélange de possibilités), les auteurs ont créé un circuit quantique qui explore uniquement des solutions valides.

• Pas de pénalités nécessaires : Puisque la machine ne peut physiquement pas générer une équipe invalide, vous n'avez pas besoin d'ajouter des notes rouges ou des pénalités.
• Pas de réglage : Vous n'avez pas besoin de deviner à quel point les règles doivent être strictes ; les règles sont ancrées dans la machine.

Comment ils l'ont testé

Les auteurs ont testé cette idée en utilisant un problème d'« Optimisation de Portefeuille Combinatoire » (choisir le meilleur mélange d'actions). Ils ont créé trois scénarios, comme l'ascension d'une montagne avec une difficulté croissante :

1. Scénario 1 (Petite colline) : Choisir jusqu'à 4 actions parmi 11 options.
2. Scénario 2 (Colline moyenne) : Choisir entre 3 et 6 actions parmi 11 options.
3. Scénario 3 (Grande montagne) : Un mélange complexe où différents groupes d'actions ont des règles différentes (ex: « Choisir exactement 3 dans l'Énergie », « Choisir 1 ou 2 dans la Finance »).

Ils ont comparé leur nouvelle méthode quantique « avec règles intégrées » à une Recherche Aléatoire (le fait de deviner des équipes valides au hasard).

Les Résultats :

• À mesure que le nombre de combinaisons valides augmentait (du Scénario 1 au 3), leur méthode devenait bien meilleure que la recherche aléatoire.
• La recherche aléatoire, c'est comme lancer des fléchettes les yeux bandés ; on finit par atteindre la cible, mais cela prend beaucoup de temps. Leur méthode est comme un missile guidé qui vole uniquement vers les cibles valides.
• Ils ont trouvé des solutions de haute qualité (des portefeuilles sur la « frontière efficiente », qui est le meilleur équilibre entre risque et rendement) bien plus rapidement que la recherche aléatoire.

Le revers de la médaille : Le bruit du monde réel

L'article a également testé cette approche sur de vrais ordinateurs quantiques (les machines bruyantes d'IBM).

• Le problème : Les ordinateurs quantiques réels sont comme des instruments délicats ; ils sont sujets au « bruit ». Une infime interférence peut inverser un bit (changer un 0 en 1).
• Le risque : Si un bit s'inverse, une équipe valide de 5 personnes pourrait accidentellement devenir une équipe de 6, brisant ainsi la règle.
• Le constat : Les auteurs ont découvert que leur méthode « Mixte » (la boîte qui permet d'avoir 3, 4, 5, 6 ou 7 personnes) est en fait plus robuste face à ces erreurs que la méthode « Pure » (stricte). Si une erreur se produit, la boîte « Mixte » est plus susceptible de rester dans la plage de validité que la boîte stricte.
• Le rappel à la réalité : Malgré cet avantage, le matériel réel reste très bruyant. Les résultats sur les machines réelles présentaient un taux d'erreur d'environ 50 % par rapport aux simulations. L'article conclut que, bien que l'idée soit brillante, nous avons besoin d'une technologie de « suppression du bruit » plus performante avant de pouvoir l'utiliser pour la gestion réelle de l'argent.

Résumé

Cet article propose une astuce ingénieuse pour les ordinateurs quantiques : Arrêtez de punir les mauvaises réponses ; construisez plutôt une machine qui ne peut même pas les produire. En encodant structurellement les règles (comme « choisir 3 à 7 actions ») directement dans le circuit quantique via des « États de Dicke Mixtes », ils ont éliminé le besoin de réglages complexes de pénalités. Leurs expériences ont montré que cette méthode trouve les meilleures solutions bien plus rapidement que la recherche aléatoire, surtout pour des problèmes complexes, bien que le bruit du matériel réel reste un obstacle à surmonter.

Résumé technique

Résumé Technique : Ansatz d'états de Dicke purs et mixtes pour les contraintes d'égalité et d'inégalité dans l'algorithme VQE (Variational Quantum Eigensolver)

Énoncé du Problème
L'article traite d'un défi central dans l'application des algorithmes quantiques variationnels (VQA), spécifiquement le VQE (Variational Quantum Eigensolver), à l'optimisation combinatoire : concevoir un ansatz suffisamment expressif pour explorer l'espace de sous-ensemble faisable de l'espace de Hilbert tout en respectant les contraintes du problème. Les approches traditionnelles reposent souvent sur des termes de pénalité dans la fonction objectif pour imposer des contraintes (telles que les limites de poids de Hamming), ce qui nécessite un réglage difficile des multiplicateurs de Lagrange. De plus, à mesure que le nombre de variables et de contraintes augmente, le coût computationnel pour trouver des solutions optimales croît de manière exponentielle, rendant les méthodes classiques exactes intraitables et forçant le recours à des approximations sous-optimales. Le domaine de problème spécifique mis en évidence est l'optimisation de portefeuille combinatoire, où l'objectif est de sélectionner un sous-ensemble d'actifs pour maximiser le rendement tout en minimisant le risque, sous réserve de contraintes sur le nombre d'actifs sélectionnés (poids de Hamming).

Méthodologie
Les auteurs proposent un cadre de préservation de la faisabilité qui encode structurellement les contraintes d'égalité et d'inégalité directement dans l'ansatz du circuit quantique, éliminant ainsi le besoin de termes de pénalité.

1. États de Dicke purs et mixtes :

   • Contraintes d'égalité : Pour les contraintes exigeant un nombre exact d'actifs sélectionnés ($k=b$), les auteurs utilisent un ansatz d'état de Dicke pur paramétré. Cet état est une superposition d'états de base computationnels avec un poids de Hamming $k$ fixe, restreignant naturellement la recherche à l'espace de sous-ensemble faisable.
   • Contraintes d'inégalité : Pour les contraintes impliquant des bornes supérieures ou inférieures ($k \leq b$ ou $k \geq b$), les auteurs étendent le formalisme aux états de Dicke mixtes. En employant le formalisme de la matrice densité et la théorie des systèmes quantiques ouverts, ils construisent un ansatz qui représente un ensemble (mélange) d'états de Dicke avec des poids de Hamming variables au sein de la plage admissible.
   • Implémentation : L'état mixte est généré à l'aide de qubits ancilla pour contrôler la préparation conditionnelle de différents états de Dicke. La matrice densité réduite du système (obtenue en traçant les ancillas) décrit le mélange. La fonction objectif du VQE est généralisée pour minimiser la trace du produit de cette matrice densité et de l'Hamiltonien du problème : $\min \text{tr}(\sigma H)$.

2. Structure de Produit Tensoriel :
   Le cadre se généralise aux problèmes comportant plusieurs groupes de contraintes (par exemple, différents secteurs dans un portefeuille) en construisant l'ansatz global comme un produit tensoriel des matrices densité d'états de Dicke individuels (purs ou mixtes). Cela permet de satisfaire simultanément divers types de contraintes (égalité et inégalité) à travers différents sous-ensembles de variables.

3. Configuration Expérimentale :
   L'approche a été validée par une optimisation de portefeuille combinatoire utilisant trois scénarios de complexité croissante :

   • Scénario I : 11 actifs avec une contrainte de borne supérieure ($k \leq 4$).
   • Scénario II : 11 actifs avec une contrainte de plage ($3 \leq k \leq 6$).
   • Scénario III : Un portefeuille multi-secteurs (4 secteurs, 5 actifs chacun) avec un mélange de contraintes d'égalité et d'inégalité, utilisant un ansatz de produit tensoriel.
     L'optimisation a été réalisée avec l'optimiseur CMA-ES (Covariance Matrix Adaptation Evolution Strategy), une méthode sans gradient, et comparée à une recherche aléatoire restreinte à l'espace faisable. Les simulations ont été effectuées sur du matériel classique (CPU/GPU) et validées sur des processeurs NISQ d'IBM.

Résultats Clés

• Efficacité de Recherche : À mesure que la taille de l'espace de recherche faisable augmentait (passant de 561 dans le Scénario I à 45 000 dans le Scénario III), le cadre VQE-Dicke proposé a démontré un avantage clair sur la recherche aléatoire. Il a nécessité nettement moins d'appels à la fonction objectif pour identifier des solutions de haute qualité et la solution optimale.
• Qualité de la Solution : Dans tous les scénarios, les chaînes de bits échantillonnées à partir de la distribution optimisée correspondaient à des portefeuilles situés sur ou près de la frontière efficiente classique. Même lorsque l'optimiseur n'a pas pleinement concentré la matrice densité sur la seule chaîne de bits optimale, les solutions échantillonnées restaient des candidats faisables de haute qualité.
• Performance Matérielle : Les expériences sur les processeurs NISQ d'IBM ont confirmé la faisabilité théorique mais ont mis en évidence des limites pratiques. L'ansatz a présenté des erreurs relatives d'environ 50 % sur les unités de traitement quantique (QPU). Les auteurs notent que si l'ansatz d'état mixte offre une robustesse théorique accrue face aux erreurs de bascule de bit uniques (qui pourraient déplacer un état pur hors de l'ensemble faisable), le bruit cumulé des portes à deux qubits reste un défi important.

Signification et Revendications
L'article affirme introduire le premier ansatz d'état de Dicke mixte préservant la faisabilité capable de gérer à la fois les contraintes d'égalité et d'inégalité dans le VQE sans termes de pénalité. La principale signification réside dans :

1. Encodage Structurel des Contraintes : En intégrant les contraintes directement dans l'ansatz via le formalisme de la matrice densité, la méthode élimine le besoin de réglage des multiplicateurs de Lagrange et réduit la complexité du paysage d'optimisation.
2. Scalabilité : Cette approche est particulièrement efficace dans les régimes où le sous-ensemble de recherche faisable est suffisamment grand pour rendre l'échantillonnage aléatoire exhaustif impraticable, mais suffisamment petit pour être une fraction de l'espace de Hilbert total ($O(n^k)$ vs $O(2^n)$).
3. Généralité : Bien que validé sur l'optimisation de portefeuille, le cadre est affirmé comme étant directement applicable à d'autres problèmes combinatoires avec des contraintes de poids de Hamming, tels que la sélection de caractéristiques (feature selection) et la sélection d'ensembles.

Les auteurs adoptent une position modeste concernant le déploiement pratique, reconnaissant que l'atténuation du bruit et les optimisations de transpilation de circuits restent des défis ouverts pour le matériel de l'ère NISQ. Ils soulignent que ce travail sert de validation théorique et expérimentale du potentiel de l'ansatz, plutôt que d'une solution commerciale pleinement réalisée.