A Givens-exchange ansatz for molecular variational eigensolvers

Résumé technique : Un ansatz d'échange de Givens pour les solveurs propres variationnels moléculaires

Énoncé du problème
Le calcul précis des énergies de l'état fondamental moléculaire est essentiel pour la découverte de médicaments computationnelle, particulièrement pour les systèmes impliquant une corrélation forte ou de grands espaces actifs où les approximations classiques de la structure électronique deviennent coûteuses ou peu fiables. Le VQE (Variational Quantum Eigensolver) répond à cela en optimisant un circuit quantique paramétré pour minimiser la valeur d'espérance d'un hamiltonien de qubits. Cependant, l'efficacité pratique du VQE est contrainte par la conception de l'ansatz :

• Les ansatzes motivés par la chimie (ex: UCCSD) encodent des structures d'excitation physiques mais résultent souvent en des circuits trop profonds pour le matériel de l'ère NISQ.
• Les ansatzes efficaces pour le matériel utilisent des couches peu profondes mais peuvent manquer d'expressivité pour capturer les corrélations moléculaires ou souffrir d'une mauvaise entraînabilité.
• Les méthodes de Recherche d'Architecture Quantique (QAS) (ex: approches basées sur l'apprentissage par renforcement comme HyRLQAS) automatisent la construction de circuits pour trouver des architectures compactes et performantes. Bien qu'efficaces, ces méthodes introduisent un surcoût de calcul important via la construction répétée de circuits et les mises à jour de politiques, et les architectures résultantes peuvent être difficiles à interpréter chimiquement.

L'article traite de la nécessité d'un ansatz qui équilibre précision, reproductibilité et interprétabilité sans dépendre du coût de calcul d'une recherche d'architecture non restreinte.

Méthodologie
Les auteurs proposent un ansatz d'échange de Givens à topologie fixe qui évite la recherche d'architecture. La méthodologie est fondée sur l'interprétation géométrique de la variété de Stiefel complexe, où l'ansatz représente une trajectoire unitaire ordonnée préservant la normalisation de l'état.

• Structure du circuit :
  • Initialisation : Le circuit part d'un état de base computationnelle $|b_0\rangle$ sélectionné pour avoir la plus faible valeur d'espérance diagonale de l'Hamiltonien.
  • Couches : L'ansatz consiste en $L=2$ blocs de macros d'échange de Givens tous-à-tous entrelacés avec des couches de rotations $R_Y$ locales.
  • Macro d'échange de Givens ($G_{ij}$) : Une opération à deux qubits agissant sur les qubits $i$ et $j$ qui fait pivoter le sous-espace de simple excitation engendré par $|01\rangle$ et $|10\rangle$ tout en laissant $|00\rangle$ et $|11\rangle$ invariants. Dans une base d'occupation de Jordan-Wigner (JW), cela correspond à une opération de simple excitation conservant les particules.
  • Séquence : L'état complet est préparé sous la forme $|\psi(\theta)\rangle = R_L G_{L-1} \dots G_0 R_0 |b_0\rangle$, où les couches $R$ contiennent des rotations $R_Y$ locales et les couches $G$ contiennent des séquences ordonnées d'échanges de Givens pour toutes les paires de qubits.
• Protocole d'optimisation :
  • Les paramètres (angles de rotation $\alpha$ et angles d'échange $\beta$) sont optimisés à l'aide de l'optimiseur Adam pour minimiser la valeur d'espérance de l'Hamiltonien.
  • Initialisation : Les angles sont initialisés à partir d'une distribution normale de moyenne nulle (échelle 0,05).
  • Évaluation : La diagonalisation exacte est utilisée uniquement après la terminaison de l'optimisation pour calculer les énergies de l'état fondamental, les erreurs et les fidélités. Elle ne fait pas partie de la boucle variationnelle.
  • Reproductibilité : Les résultats sont rapportés sous forme de moyennes sur six graines (graines : 17, 11111, 22222, 33333, 44444, 55555) pour démontrer une performance typique plutôt que de sélectionner la meilleure graine.

Contributions clés

1. Définition d'une topologie fixe : Les auteurs définissent un ansatz d'échange de Givens mathématiquement explicite avec une séquence ordonnée et fixe de couches de rotation et d'échange, éliminant le besoin de recherche d'architecture.
2. Interprétation de la variété de Stiefel : Le travail cadre l'ansatz comme une trajectoire structurée sur la variété de Stiefel, fournissant une justification géométrique à l'utilisation de macros d'échange ordonnées comme blocs variationnels chimiquement significatifs.
3. Protocole de benchmarking rigoureux :
   • L'étude distingue les Hamiltoniens aux coefficients vérifiés (LiH-6, H2O-8) des candidats de spécification publique (BeH2-6) ou des cas de stress (LiH-4 avec mapping de parité).
   • Elle sépare les comparaisons principales de Jordan-Wigner des cas de mapping de parité/réduction (tapering) pour éviter de confondre différents paysages variationnels.
   • Elle rapporte les résultats sous forme de moyennes sur six graines avec écarts-types, offrant une vue transparente de la sensibilité à l'optimisation.
4. Clarté de la comptabilité des ressources : L'article sépare explicitement les comptes de macros pré-compilation (échanges de Givens) des comptes de portes natives du matériel (CNOT), reconnaissant que les macros de Givens nécessitent une compilation vers des portes natives.

Résultats
La méthode a été évaluée sur les Hamiltoniens LiH-6, BeH2-6 et H2O-8 en utilisant le mapping Jordan-Wigner sans réduction.

• Précision chimique : Sur l'ensemble des six graines, la méthode a atteint la précision chimique (erreur < 1,60 mHa) pour LiH-6, H2O-8 et le candidat BeH2-6 à chaque exécution.
• Magnitudes d'erreur :
  • LiH-6 : Erreur moyenne de $0,000000124$ Ha ($0,000124$ mHa).
  • H2O-8 : Erreur moyenne de $0,000128558$ Ha ($0,128558$ mHa).
  • BeH2-6 : Erreur moyenne de $0,000002152$ Ha ($0,002152$ mHa).
• Comparaison avec les bases de référence QAS :
  • Sur LiH-6, la moyenne des erreurs sur six graines ($0,000124$ mHa) était inférieure aux erreurs ponctuelles publiées de HyRLQAS ($0,590$ mHa), TensorRL-QAS, CRLQAS et d'autres bases de référence basées sur l'apprentissage par renforcement.
  • Sur H2O-8, la moyenne ($0,128558$ mHa) était également inférieure aux erreurs ponctuelles des méthodes QAS comparées.
• Tests de stress :
  • La méthode a montré une sensibilité à l'initialisation et aux changements de mapping. Pour le cas de stress LiH-4 avec mapping de parité, 5 graines sur 6 ont passé la précision chimique, mais la distribution incluait des solutions locales à erreur élevée.
  • Pour LiH-6 à une géométrie étirée (3,4 Å), la performance s'est dégradée de manière significative, avec seulement 1/6 de graines passant pour le mapping JW et 0/6 pour le mapping de parité.
• Ablation : Une ablation de profondeur a montré que $L=2$ (deux blocs d'échange) était nécessaire pour atteindre la précision chimique sur toutes les graines ; $L=1$ était insuffisant pour BeH2 et H2O.

Signification et affirmations
L'article affirme qu'un ansatz d'échange de Givens à topologie fixe sert de modèle de référence précis, reproductible et sans recherche pour les VQE moléculaires.

• Précision vs Coût de recherche : La méthode atteint une précision de pointe (erreurs moyennes inférieures à plusieurs méthodes QAS) sans le surcoût de calcul lié à l'apprentissage d'une politique de placement de portes.
• Compromis : Les auteurs reconnaissent que leur ansatz utilise un "budget de macro pré-compilation" plus large (plus d'opérations à deux qubits) que certains circuits compacts optimisés par recherche. Ils présentent cela non pas comme une victoire de ressources matérielles, mais comme un compromis : payer un coût d'opération macro plus élevé pour gagner un a priori transparent et systématiquement défini qui évite l'instabilité et le coût de la recherche d'architecture.
• Portée : La méthode est plus efficace pour les Hamiltoniens proches de l'équilibre avec des interprétations directes de type occupation (ex: Jordan-Wigner). Sa performance diminue sur les liaisons étirées ou les Hamiltoniens effectifs avec mapping de parité, soulignant l'importance de l'alignement géométrique de l'ansatz avec l'encodage spécifique.
• Rôle : La contribution primaire est de fournir une base de référence contre laquelle les méthodes de recherche et les futurs variants compilés peuvent être évalués, démontant que des modèles moléculaires simples et fixes peuvent surpasser des architectures complexes apprises en termes de précision moyenne et de reproductibilité.