Shot-Efficient ADAPT-VQE via Reused Pauli Measurements and Variance-Based Shot Allocation

Sintesi Tecnica: ADAPT-VQE Efficiente nei Campioni (Shot-Efficient) tramite il Riutilizzo delle Misure di Pauli e l'Allocazione dei Campioni Basata sulla Varianza

Definizione del Problema
L'Adaptive Variational Quantum Eigensolver (ADAPT-VQE) è un algoritmo leader per l'era NISQ (Noisy Intermediate-Scale Quantum), che offre vantaggi rispetto al tradizionale VQE costruendo adattivamente circuiti ansatz per ridurre la profondità e mitigare i barren plateaus. Tuttavia, l'ADAPT-VQE affronta un collo di bottiglia critico: un elevato overhead di misurazione quantistica (shot). Questo overhead deriva da due fonti primarie all'interno di ogni iterazione: (1) l'ottimizzazione dei parametri variazionali per l'attuale ansatz e (2) la valutazione dei gradienti degli operatori per selezionare il prossimo operatore da aggiungere all'ansatz. Man mano che il numero di iterazioni aumenta, il conteggio cumulativo dei campioni (shot) diventa proibitivo, limitando la scalabilità dell'algoritmo per sistemi molecolari complessi.

Metodologia
Gli autori propongono una strategia integrata per ridurre i requisiti di campionamento attraverso due tecniche distinte ma complementari:

1. Riutilizzo delle Misure di Pauli:
   Gli autori sfruttano la sovrapposizione strutturale tra l'Hamiltoniana ($\hat{H}$) e gli osservabili del gradiente ($[\hat{H}, \hat{A}_k]$). In un ADAPT-VQE standard, il calcolo del gradiente per l'iterazione $n+1$ richiede la misurazione del commutatore dell'Hamiltoniana e dei candidati operatori. Il metodo proposto osserva che lo stato quantistico $|\psi^{(n)}\rangle$ utilizzato per il valore di aspettazione dell'Hamiltoniana nell'iterazione $n$ è identico allo stato $|\psi^{((n+1)-1)}\rangle$ utilizzato per il calcolo del gradiente nell'iterazione successiva.

   • Meccanismo: L'algoritmo identifica le stringhe di Pauli comuni sia alla decomposizione dell'Hamiltoniana che alla decomposizione del commutatore del gradiente.
   • Implementazione: I risultati di misurazione (valori di aspettazione) ottenuti durante l'ottimizzazione finale dei parametri VQE dell'iterazione $n$ vengono memorizzati e riutilizzati per i termini corrispondenti nel calcolo del gradiente dell'iterazione $n+1$.
   • Raggruppamento: Questo viene combinato con il raggruppamento QWC (Qubit-Wise Commutativity) per massimizzare il numero di termini misurabili simultaneamente, garantendo che le misurazioni riutilizzate siano valide per la base comune condivisa.

2. Allocazione dei Campioni Basata sulla Varianza:
   Gli autori estendono le tecniche di allocazione dei campioni basate sulla varianza, precedentemente applicate principalmente ai valori di aspettazione dell'Hamiltoniana, per includere le misurazioni del gradiente.

   • Strategie: Vengono impiegate due specifiche metodologie di allocazione:
     • Assegnazione dei Campioni con Varianza Minimizzata (VMSA): Alloca i campioni per minimizzare la varianza totale dello stimatore dell'energia per un budget totale di campioni fissato.
     • Riduzione dei Campioni con Varianza Preservata (VPSR): Riduce il budget totale di campioni mantenendo la varianza al di sotto di una specifica soglia $\delta$.
   • Implementazione: Un sottoinsieme iniziale di campioni ($N_0$) viene utilizzato per stimare la varianza empirica di ogni clique commutante (gruppo di stringhe di Pauli). I campioni rimanenti vengono quindi distribuiti proporzionalmente a queste varianze. Ciò viene applicato sia alla misurazione dell'Hamiltoniana (per l'energia) che alla misurazione del gradiente (per la selezione dell'operatore).

Contributi Chiave

• Integrazione Novativa: Questo lavoro è il primo a esplorare l'approccio combinato di riutilizzo delle misurazioni di Pauli tra le iterazioni di ADAPT-VQE e l'applicazione dell'allocazione dei campioni basata sulla varianza sia alle misurazioni dell'Hamiltoniana che del gradiente simultaneamente.
• Modifica Algoritmica: Gli autori presentano un workflow ADAPT-VQE modificato (Algoritmo 1) che incorpora un "protocollo di misurazione con riutilizzo di Pauli" e un'allocazione dinamica dei campioni, alterando significativamente la struttura standard dei costi di misurazione.
• Agnosticismo rispetto al Pool di Operatori: Lo studio valida la strategia attraverso quattro diversi pool di operatori (Fermionico, Qubit, Qubit-Excitation e Coupled Exchange Operator), dimostrando la robustezza dell'approccio indipendentemente dal pool specifico di costruzione dell'ansatz.

Risultati
Sono state condotte simulazioni numeriche su sistemi molecolari che vanno da $H_2$ (4 qubit) a $N_2H_4$ (16 qubit) utilizzando simulatori statevector e shot-based (Qiskit Aer).

• Efficienza del Riutilizzo della Misurazione:

  • Rispetto a uno schema di misurazione completo ingenuo, l'uso del solo raggruppamento delle misurazioni (QWC) ha ridotto l'uso medio dei campioni al 38,59%.
  • Combinando il raggruppamento delle misurazioni con il protocollo di riutilizzo, l'uso medio dei campioni è ulteriormente sceso al 32,29%.
  • La strategia di riutilizzo ha ridotto costantemente i requisiti di campionamento in tutte le molecole e i pool di operatori testati, con risparmi crescenti per le molecole più grandi che richiedono più iterazioni ADAPT.

• Efficienza dell'Allocazione Basata sulla Varianza:

  • Per la molecola $H_2$, l'allocazione basata sulla varianza ha ridotto i campioni necessari per raggiungere l'accuratezza chimica del 6,71% (VMSA) e del 43,21% (VPSR) rispetto alla distribuzione uniforme.
  • Per la molecola $LiH$, le riduzioni sono state del 5,77% (VMSA) e del 51,23% (VPSR).
  • Il metodo VPSR si è dimostrato particolarmente efficace, raggiungendo un'accuratezza competitiva con il minor numero di campioni cumulativi.

• Resilienza al Rumore:

  • Le simulazioni sotto diversi livelli di rumore ($p = 0,00001$ a $0,001$) hanno mostrato che, sebbene alti livelli di rumore ($p = 0,001$) impediscano a tutti i metodi di raggiungere l'accuratezza chimica, i metodi basati sulla varianza (VMSA e VPSR) mantengono un'accuratezza comparabile ai metodi uniformi con meno campioni cumulativi.

Significatività e Rivendicazioni
Il documento sostiene che queste strategie rappresentano un passo significativo verso simulazioni quantistiche pratiche nell'era NISQ, affrontando direttamente il collo di bottiglia delle misurazioni dell'ADAPT-VQE. Gli autori sottolineano che:

• I metodi proposti riducono significativamente il numero di campioni necessari per raggiungere l'accuratezza chimica mantenendo la fedeltà dei risultati.
• L'overhead computazionale classico introdotto dal protocollo di riutilizzo è minimo, poiché l'analisi delle stringhe di Pauli viene eseguita una sola volta durante la configurazione iniziale.
• Sebbene il lavoro si concentri su ADAPT-VQE, gli approcci sono applicabili ad altri algoritmi adattivi (ad es., ADAPT-QAOA).
• Lo studio riconosce che, sebbene siano state eseguite simulazioni di rumore, sono necessari lavori futuri per valutare questi metodi su profili di rumore di hardware quantistico reale ed esplorare sistemi molecolari più grandi.

Gli autori concludono che ottimizzare i costi di misurazione è essenziale per l'efficienza dei calcoli degli algoritmi quantistici quando le risorse quantistiche sono limitate, e il loro approccio integrato offre una via percorribile per mitigare l'elevato overhead di campionamento inerente agli algoritmi variazionali adattivi.