Pauli-Sparse regularised Counterdiabatic Shortcuts for Linear-Ramp QAOA

Sintesi Tecnica: Regolarizzazione Pauli-Sparsa per Shortcut Counterdiabatic in LR-QAOA a Rampa Lineare

Definizione del Problema
L'ottimizzazione combinatoria tramite l'Algoritmo di Ottimizzazione Quantistica Approssimata (QAOA) affronta un critico compromesso tra efficienza dei parametri e accuratezza dinamica. Il QAOA a rampa lineare (LR-QAOA) riduce il carico di ottimizzazione classica vincolando gli angoli degli strati a seguire uno schema di ispirazione adiabatica con pochi parametri. Tuttavia, per Hamiltoniane con gap spettrali piccoli o esponenzialmente piccoli, l'evoluzione adiabatica a tempo finito soffre di forti transizioni diabatiche, causando la fuga del sistema dal desiderato manifold a bassa energia. Sebbene il driving counterdiabatic (CD) offra un metodo sistematico per sopprimere tali transizioni aggiungendo un termine di correzione derivato dal Potenziale di Gauge Adiabatico (AGP), gli approcci standard richiedono spesso operatori densi o ansatz predefiniti che sono impraticabili sotto budget finiti di gate. Inoltre, gli AGP esatti per problemi di ottimizzazione difficili richiedono spesso la risoluzione di scissioni energetiche microscopiche ed esponenzialmente piccole all'interno di un manifold a bassa energia, il che è computazionalmente costoso e potenzialmente non necessario per trovare una soluzione di alta qualità.

Metodologia
Gli autori propongono un framework per la costruzione di un'estensione counterdiabatic Pauli-sparsa e regolarizzata di LR-QAOA. La metodologia centrale consiste nel risolvere l'equazione AGP regolarizzata direttamente nella base di Pauli senza formare la matrice Liouvilliana densa completa.

1. Equazione AGP Regolarizzata: Il metodo risolve il sistema lineare $(\mathcal{L}_H^2 + \eta I) A_\lambda^{(\eta)} = -i \mathcal{L}_H(G)$, dove $\mathcal{L}_H(X) = [H, X]$ è il superoperatore di commutatore, $G = \partial_\lambda H$, e $\eta > 0$ è un parametro di regolarizzazione. Questa equazione è derivata dalla minimizzazione di un funzionale regolarizzato che bilancia la cancellazione delle transizioni diabatiche con la norma del potenziale.
2. Meccanismo di Risoluzione dell'Energia: Il parametro $\eta$ agisce come una scala di risoluzione dell'energia. Esso sopprime le transizioni associate a differenze di energia $|\omega| \ll \sqrt{\eta}$ pur mantenendo quelle con $|\omega| \gg \sqrt{\eta}$. Ciò consente al metodo di ignorare le scissioni esponenzialmente piccole all'interno di un target manifold a bassa energia (evitando la necessità di un inseguimento adiabatico esatto) pur prevenendo la fuga verso stati eccitati a energia più elevata.
3. Solver Inexact Conjugate Gradient (CG): Invece di calcolare un AGP denso o comprimerlo, gli autori impiegano un metodo di gradiente coniugato inesatto in coordinate di Pauli.
   • Applicazione Matrix-Free: L'operatore $(\mathcal{L}_H^2 + \eta I)$ viene applicato simbolicamente tramite commutatori di Pauli, evitando la costruzione della matrice $4^n$-dimensionale.
   • Troncamento: Durante le iterazioni CG, l'espansione di Pauli viene troncata per mantenere solo i $m$ coefficienti più grandi (troncamento di ampiezza). Questo trasforma il solver lineare in una procedura di scoperta del supporto, identificando un insieme di rotazioni di Pauli implementabili consapevole del budget di gate.
   • Ricalcolo del Residuo: Per evitare l'accumulo di errori dovuto al troncamento, il residuo viene ricalcolato esattamente ad ogni step piuttosto che aggiornato ricorsivamente.
4. Galerkin Refit e Certificazione: Una volta scoperto un supporto sparso, viene eseguito un refit di Galerkin per ottimizzare i coefficienti su tale supporto specifico. La qualità dell'approssimazione è certificata a posteriori utilizzando un limite del residuo: $\|A - A_\lambda^{(\eta)}\|_{HS} \leq \|R\|_{HS} / \eta$, dove $R$ è il residuo del sistema lineare. Ciò fornisce un limite di errore computabile senza richiedere la conoscenza della soluzione esatta.
5. Integrazione nel Circuito: Il risultante generatore di Pauli sparso viene inserito nel circuito LR-QAOA come strato counterdiabatic. L'ottimizzazione variazionale viene eseguita su un set ridotto di parametri: le ampiezze della rampa $(\Delta\beta, \Delta\gamma)$ e l'ampiezza counterdiabatic $\Delta_{CD}$.

Contributi Chiave

• Soluzione Diretta in Coordinate di Pauli: A differenza dei lavori precedenti su CD-QAOA che prescrivono ansatz (ad esempio, termini locali, commutatori annidati) o calcolano AGP densi, questo lavoro risolve l'equazione AGP regolarizzata direttamente in coordinate di Pauli, approssimando simultaneamente il potenziale e selezionando un insieme sparso di rotazioni implementabili.
• Regolarizzazione come Filtro Fisico: Il paper inquadra il parametro di regolarizzazione $\eta$ non solo come un stabilizzatore numerico, ma come un filtro fisico che sopprime le transizioni al di sotto di una specifica scala di energia. Questo è particolarmente efficace per problemi di ottimizzazione dove l'obiettivo è rimanere all'interno di un manifold a bassa energia piuttosto che tracciare un singolo autostato attraverso gap esponenzialmente piccoli.
• Pipeline di Algebra Lineare Sparsa: Gli autori sviluppano una pipeline completa che combina commutatori simbolici matrix-free, CG troncato per la scoperta del supporto, refitting di Galerkin per l'ottimizzazione dei coefficienti e certificazione dell'erro even tramite residuo. Questo approccio importa idee dai metodi Krylov inesatti nel contesto del controllo quantistico.
• Garanzie Teoriche: Il paper fornisce limiti rigorosi sulla distanza tra i potenziali regolarizzati e non regolarizzati, sul numero di condizionamento del sistema lineare e sull'errore dell'approssimazione sparsa rispetto alla soluzione regolarizzata esatta.

Risultati
Esperimenti numerici sono stati condotti su istanze di Catena Ferromagnetica (FC) e istanze perturbate di FC–MaxCut/MarketSplit:

• Validazione FC: Sulle istanze FC, il LR-QAOA standard ha mostrato prestazioni scarse all'aumentare della dimensione del sistema, fallendo nel raggiungere il manifold ordinato. Il proposto LR-CD-QAOA con AGP esatto ha raggiunto alte probabilità del manifold ordinato ($P_{ord} \approx 0.9$) anche a bassa profondità. Fondamentalmente, il metodo è rimasto robusto attraverso una gamma di valori di $\eta$, confermando che non ha bisogno di risolvere la scissione dello stato fondamentale esponenzialmente piccola per sopprimere la fuga verso stati eccitati.
• Convergenza CG Sparsa: Gli esperimenti hanno dimostrato che un piccolo numero di iterazioni CG ($K \approx 4$) e un budget di supporto di Pauli moderato ($m=64$) sono sufficienti per recuperare la maggior parte dei benefici dell'AGP denso. Il rapporto di approssimazione è migliorato monotonicamente sia con il numero di iterazioni che con la dimensione del supporto.
• Istanze Blended: Nelle istanze perturbate di MaxCut e MarketSplit (dove l'Hamiltoniana è dominata dalla componente FC), il LR-CD-QAOA ha superato significativamente l'un-corrected LR-QAOA. Mentre il LR-QAOA rimaneva lontano dall'ottimo anche a profondità $p=8$, la versione corretta con CD ha raggiunto rapporti di approssimazione vicini all'esatto ottimo a profondità moderate.

Significatività
Il paper sostiene che questo framework amplia sostanzialmente l'applicabilità pratica del QAOA all'ottimizzazione QUBO. Migliorando la robustezza attraverso paesaggi di problemi eterogenei — specificamente quelli con strutture a bassa energia quasi degenere e piccoli gap spettrali — il metodo affronta un collo di bottiglia primario nell'ottimizzazione quantistica near-term. Offre una via per implementare un driving counterdiabatic efficace su hardware quantistici con budget di gate limitati, andando oltre i limiti del QAOA a rampa lineare, che è efficiente nei parametri ma inefficiente dal punto di vista dinamico. Il lavoro stabilisce un paradigma di ottimizzazione ibrido in cui tecniche classiche di algebra lineare sparsa vengono utilizzate per costruire circuiti quantistici che sono dinamicamente adattati alle proprietà spettrali specifiche dell'Hamiltoniana del problema.