Entanglement-Aware Quantum Circuit Optimization through Globally Optimal Partitioning

Nella corsa alla costruzione di computer quantistici utili, gli scienziati non stanno solo combattendo per mantenere fragili atomi in uno stato di sovrapposizione quantistica; stanno anche combattendo una guerra di efficienza. Un computer quantistico funziona manipolando minuscole unità di informazione chiamate qubit. Per eseguire un calcolo, questi qubit devono interagire tra loro attraverso una serie di operazioni note come gate. Tuttavia, le macchine quantistiche reali sono disordinate e limitate. Spesso non possono connettere ogni qubit a ogni altro qubit direttamente, e ogni interazione introduce una piccola quantità di rumore che può rovinare il calcolo. Per ottenere un risultato, gli ingegneri devono tradurre un complesso problema matematico in una sequenza specifica di questi gate, un processo chiamato compilazione. L'obiettivo è utilizzare il minor numero possibile di gate e disporli in modo da rispettare le connessioni fisiche della macchina. Se la sequenza è troppo lunga o troppo intricata, il rumore sovrasterà il segnale prima che la risposta venga trovata.

La sfida è che trovare la sequenza più efficiente è incredibilmente difficile. È come cercare di trovare il percorso più breve attraverso un labirinto che ha miliardi di rotte possibili, dove le pareti si spostano mentre cammini. Gli strumenti esistenti spesso prendono scorciatoie, prendendo decisioni rapide e locali che sembrano buone nel momento, ma che portano a un viaggio complessivo più lungo e disordinato. Potrebbero ottimizzare una piccola sezione del calcolo senza vedere come questa influenzi il resto. Questo articolo introduce un nuovo approccio che cambia il modo in cui questi calcoli vengono scomposti e ricostruiti. Invece di affidarsi a ipotesi rapide, i ricercatori hanno sviluppato un metodo che guarda l'intero circuito in una sola volta per trovare il modo migliore per dividerlo in pezzi gestibili, e poi usa una profonda comprensione di come quei pezzi siano intrecciati per ricostruirli in modo più efficiente.

I ricercatori, operanti da istituzioni ungheresi, hanno creato un framework che tratta il circuito quantistico come una mappa di dipendenze. Hanno compreso che il modo migliore per ottimizzare un grande circuito è tagliarlo in blocchi più piccoli e autosufficienti, ottimizzare ogni blocco individualmente e poi ricucirli insieme. Tuttavia, il modo in cui si taglia il circuito conta immensamente. Se lo si taglia male, si potrebbe perdere l'opportunità di semplificare la logica, oppure si potrebbe creare un nuovo problema in cui i blocchi non possono essere eseguiti nell'ordine corretto. Il team ha formulato questo problema di taglio come un puzzle matematico che garantisce la migliore selezione possibile di blocchi da un elenco di tutte le opzioni fattibili. Lo chiamano partizionamento globalmente ottimale. Questo assicura che la collezione di blocchi scelti sia quella che porta al minor numero totale di gate, piuttosto che una collezione di blocchi che si rivelano semplicemente localmente efficienti.

Una volta che il circuito è stato tagliato in questi blocchi ottimali, i ricercatori applicano una seconda tecnica, altrettanto ingegnosa, per ricostruirli. Utilizzano una proprietà della meccanica quantistica chiamata rango di Schmidt dell'operatore, che misura quanto profondamente i qubit all'interno di un blocco siano intrecciati tra loro. Pensate a questo rango come a una misura di quanto i qubit siano "aggrovigliati" tra loro; un rango più alto significa che sono collegati in modo più complesso. I ricercatori usano questa misurazione per guidare una ricerca della disposizione più semplice possibile di gate che possa ricreare il comportamento del blocco. Invece di provare ogni combinazione casuale di gate, il loro metodo osserva la struttura dell'entanglement e predice quali disposizioni di gate siano più probabili che abbiano successo. Ciò consente loro di trovare una soluzione che utilizza meno gate rispetto ai metodi precedenti, specificamente evitando passaggi non necessari che non contribuiscono al modello finale di entanglement.

Per testare le loro idee, il team ha confrontato il loro nuovo sistema con uno strumento molto noto chiamato BQSKit, che è attualmente uno standard nel settore. Hanno eseguito entrambi i sistemi su un ampio set di circuiti di benchmark, che vanno da esempi piccoli e semplici a calcoli massicci e complessi che coinvolgono decine di qubit. I risultati sono stati chiari. In un test di 772 specifiche operazioni quantistiche, il nuovo metodo ha trovato con successo una soluzione verificata ed efficiente per 741 di esse, mentre lo strumento standard è riuscito solo a 617. Ancora più importante, nei casi in cui entrambi gli strumenti hanno trovato una soluzione, il nuovo metodo ha prodotto un circuito con un numero inferiore di gate o un numero uguale in ogni singolo caso, senza perdite. Guardando al processo completo end-to-end di ottimizzazione di interi circuiti, il nuovo approccio ha ridotto significamente il numero totale di gate, specialmente nelle fasi iniziali di ottimizzazione. Mentre lo strumento standard a volte faticava a completare il compito in un tempo ragionevole per i circuiti più grandi, il nuovo metodo completava il lavoro, spesso in una frazione del tempo, e produceva un risultato più pulito ed efficiente. Tuttavia, i risultati temporali sono stati sfumati: per le partizioni a tre qubit, lo strumento standard è stato in realtà più veloce nel tempo cumulativo totale perché il nuovo metodo ha avuto alcune esecuzioni molto lunghe, sebbene il nuovo metodo fosse generalmente più veloce nelle fasi iniziali di ottimizzazione.

Lo studio ha anche esplorato cosa succede quando i blocchi utilizzati per l'ottimizzazione vengono resi leggermente più grandi. Permettendo al sistema di guardare gruppi di quattro qubit invece di soli tre, i ricercatori hanno scoperto di poter ottenere un'efficienza ancora maggiore, riducendo ulteriormente il numero di gate. Tuttavia, questo comporta un compromesso: il tempo richiesto per trovare queste soluzioni è aumentato. Il team ha scoperto che, sebbene i blocchi a quattro qubit offrissero una migliore compressione, il tempo extra speso per cercarli non era sempre giustificato per ogni singolo circuito. Ciò suggerisce che il miglior approccio dipende dal problema specifico in questione, ma il nuovo framework fornisce la flessibilità per scegliere il giusto equilibrio. I ricercatori hanno anche notato che, sebbene il loro metodo eccella nella riduzione del numero di gate, la disposizione fisica del computer quantistico impone comunque alcuni passaggi extra, noti come routing, che aggiungono nuovamente dei gate al sistema. Anche con questo vincolo, i loro circuiti ottimizzati sono rimasti superiori a quelli prodotti dai metodi esistenti.

Questo lavoro rappresenta un passo avanti significativo per rendere pratici i computer quantistici. Combinando una strategia globale rigorosa per scomporre un problema con una strategia intelligente e consapevole dell'entanglement per risolvere i pezzi, i ricercatori hanno dimostrato che è possibile costruire circuiti quantistici migliori senza aspettare hardware migliori. Il loro metodo non si limita a ritoccare i margini del problema; ripensa la struttura stessa della soluzione. Le scoperte suggeriscono che la strada verso un calcolo quantistico utile non passa solo attraverso la costruzione di macchine più grandi, ma nell'essere molto più intelligenti su come diciamo a quelle macchine cosa fare. Il nuovo framework, implementato in un pacchetto open-source chiamato SQUANDER, offre un modo per spingere i limiti di ciò che gli attuali computer quantistici possono raggiungere, trasformando circuiti che erano precedentemente troppo complessi per essere eseguiti in circuiti gestibili ed efficienti.