Optimised Fermion-Qubit Encodings for Quantum Simulation with Reduced Transpiled Circuit Depth

Dit artikel introduceert een deterministische optimalisatiemethode voor ternaire boom-fermion-qubit-coderingen die de Pauli-gewicht en de diepte van getranspileerde circuits met ongeveer 26,5% verlaagt voor simulaties van watermoleculen, zonder dat er ancilla's nodig zijn of de onderliggende boomstructuur wordt gewijzigd.

De kern

Stel je voor dat je probeert een complexe chemische reactie te simuleren, zoals de interactie tussen watermoleculen, met behulp van een kwantumcomputer. Om dit te doen, moet je de regels van de chemie (die "fermionen" omvatten, een type subatomair deeltje) vertalen naar de taal van de kwantumcomputer (die "qubits" gebruikt).

Dit vertaalproces wordt een codering genoemd. Denk hierbij aan het proberen om een groot, onhandig meubelstuk (het chemische probleem) in een verhuiswagen (de kwantumcomputer) te krijgen.

Het Probleem: De "Verhuiswagen" is Te Klein en Onhandig

Op dit moment is de meest gebruikelijke manier om deze vertaling te doen, vergelijkbaar met het gebruik van een standaard, stijve inpakmethode (de Jordan-Wigner-codering). Het werkt, maar is vaak inefficiënt.

• Het Probleem: Wanneer je het meubilair op deze manier inpakt, houd je veel lege ruimte over, of moet je hetzelfde item veel heen en weer verplaatsen om het op de juiste plek te krijgen. In termen van kwantumcomputing betekent dit dat de computer te veel "poorten" (bewerkingen) moet uitvoeren om het probleem op te lossen.
• Het Gevolg: Omdat huidige kwantumcomputers klein zijn en gevoelig voor fouten, maken deze extra, onnodige stappen de simulatie te traag of te foutgevoelig om bruikbaar te zijn. Het is alsof je probeert een zware truck te besturen met de handrem aangetrokken.

De Oplossing: Een Slimmere Inpakstrategie

De auteurs van dit artikel hebben een nieuwe, slimme manier ontwikkeld om het meubilair in te pakken. Ze noemen hun methode TOPP-HATT.

Hieronder wordt uitgelegd hoe het werkt, met behulp van een eenvoudige analogie:

1. De Boomstructuur: Stel je de verbindingen van de kwantumcomputer voor als een stamboom. Sommige coderingen dwingen het meubilair in een specifieke, stijve boomvorm. De auteurs zeggen: "Laten we die boomvorm precies zo houden, omdat het veranderen van de structuur van de boom te moeilijk is en de lay-out van de computer zou kunnen verstoren."
2. De Shuffle: In plaats van de boom te veranderen, shuffelen ze gewoon de labels op de takken. Stel je voor dat je een set koffers (de chemische onderdelen) en een set planken (de kwantumbits) hebt. De oude methode zet gewoon Koffer A op Plank 1, Koffer B op Plank 2, en zo verder.
3. De Optimalisatie: De nieuwe methode kijkt naar het specifieke chemische probleem en vraagt: "Als ik Koffer A op Plank 3 zet en Koffer B op Plank 1, moet de computer dan minder heen en weer lopen?" Ze gebruiken een deterministisch (stap-voor-stap, gegarandeerd) algoritme om de beste rangschikking van labels te vinden zonder ooit de onderliggende boomstructuur te veranderen.

De Resultaten: Een Snellere, Soepelere Rit

Het artikel heeft deze methode getest op watermoleculen (een standaard testgeval) en vergeleken met de oude manieren van inpakken.

• Het "Voor" en "Na": Ze maten de "circuitdiepte", wat in feite de lengte van de reis is die de kwantumcomputer moet maken.
• De Verbetering: Door hun nieuwe shuffle-methode te gebruiken, hebben ze de lengte van de reis gemiddeld met ongeveer 25% verkort.
  • Voor niet-geoptimaliseerde circuits was de reductie 24,7%.
  • Voor circuits die al waren geoptimaliseerd voor specifieke hardware, was de reductie 26,5%.

Waarom Dit Belangrijk Is (Volgens Het Artikel)

De auteurs benadrukken dat dit een deterministische methode is. In tegenstelling tot eerdere methoden die "trial and error" gebruikten (zoals het gooien van een munt om te zien of een nieuwe rangschikking beter is), volgt deze methode een strikte reeks regels om elke keer een goed resultaat te garanderen.

Ze merken ook op dat deze methode goed werkt met coderingen die specifiek zijn ontworpen voor de fysieke lay-out van kwantumchips (zoals het "Bonsai"-algoritme), zodat het "meubilair" op verbonden "planken" blijft staan en de computer geen tijd hoeft te verspillen aan het verplaatsen van dingen.

Kort samengevat: Het artikel presenteert een nieuwe, betrouwbare manier om te herschikken hoe chemische problemen worden gemapt op kwantumcomputers. Door simpelweg de labels op de bestaande verbindingen te shuffelen in plaats van de verbindingen zelf te herbouwen, kunnen ze de tijd en moeite die nodig is om simulaties uit te voeren aanzienlijk verkorten, waardoor het beste wordt gemaakt van de beperkte kwantumcomputers die we vandaag de dag hebben.

Technische samenvatting

1. Probleemstelling

Het simuleren van fermionische systemen (bijvoorbeeld moleculen) op gate-gebaseerde quantumcomputers vereist het afbeelden van fermionische operatoren op qubit-operatoren, een proces dat bekend staat als fermion-qubit encoding. De keuze van de encoding heeft aanzienlijke invloed op de efficiëntie van quantum-simulaties, met name met betrekking tot:

• Circuitdiepte: Het aantal benodigde quantumgates.
• Pauli-gewicht: Het aantal niet-identiteit Pauli-operatoren in een string, wat correleert met gate-fouten en meet-overhead.
• Apparaatconnectiviteit: De fysieke lay-out van qubits op een quantumprocessor (QPU).

Bestaande benaderingen staan voor een afweging:

1. Hamiltonian-geoptimaliseerde encodings: Construeren van encodings op basis van de specifieke Hamiltoniaan om coëfficiënten te minimaliseren, maar resulteren vaak in boomstructuren die incompatibel zijn met de QPU, waardoor kostbare SWAP-gates nodig zijn om informatie tussen niet-aangrenzende qubits te verplaatsen.
2. Apparaat-geoptimaliseerde encodings: Construeren van encodings op basis van het connectiviteitsgrafiek van de QPU (bijvoorbeeld met het Bonsai-algoritme), maar falen in het benutten van de specifieke structuur van de Hamiltoniaan, wat leidt tot suboptimale gate-aantallen.
3. Stochastische optimalisatie: Eerdere pogingen om deze doelen te combineren gebruikten stochastische methoden (bijvoorbeeld gesimuleerde afkoeling), die niet gegarandeerd globale minima vinden en gevoelig zijn voor beginvoorwaarden.

De Kernuitdaging: Er is behoefte aan een deterministische methode die de afbeelding van fermionische modi op qubits optimaliseert binnen een vaste boomstructuur (specifiek Ternaire Bomen) om de circuitdiepte en het Pauli-gewicht te verminderen zonder de onderliggende grafiektopologie te wijzigen of extra qubits (ancillae) te vereisen.

2. Methodologie: TOPP-HATT

De auteurs stellen TOPP-HATT (Topology-Preserving Hamiltonian Adaptive Ternary Tree) voor, een deterministisch algoritme dat de enumeratie van Majorana-operatoren binnen een vooraf gedefinieerde Ternaire Boom (TT) structuur optimaliseert.

Kernconcepten

• Majorana-String Encodings: Fermionische operatoren worden ontbonden in Majorana-operatoren ($\gamma$), die vervolgens worden afgebeeld op Pauli-strings.
• Ternaire Bomen (TTs): Een grafiekstructuur waarbij knopen qubits vertegenwoordigen en randen Pauli-operatoren ($X, Y, Z$). Bladeren vertegenwoordigen Majorana-operatoren.
• Optimalisatiedoel: Minimaliseren van het Pauli-gewicht ($W_P$) en het coëfficiënt-geschaalde Pauli-gewicht ($W_{CP}$), wat cruciaal is voor stochastische algoritmen zoals qDRIFT.

Het Algoritme (TOPP-HATT)

De methode wijst iteratief fermionische modi toe aan bladeren in de boom, waarbij de topologie van de boom en de eigenschappen van de vacuümtoestand worden behouden:

1. Opzet: Een "naïeve" boom wordt geconstrueerd waarbij de indices van fermionische modi overeenkomen met qubit-indices.
2. Beperkingen: Om geldigheid te waarborgen, handhaaft het algoritme:
   • Operatoronafhankelijkheid: Zorgt ervoor dat Pauli-strings voldoen aan anti-commutatierelaties.
   • Behoud van Boomstructuur: Knopen en hun kinderen blijven vast; alleen de toewijzingen van bladeren veranderen.
   • Behoud van Vacuüm: Zorgt ervoor dat de fermionische vacuümtoestand wordt afgebeeld op de qubit $|0\rangle^{\otimes N}$-toestand. Dit wordt bereikt door bladeren strikt te koppelen (bijvoorbeeld: als een blad wordt toegewezen aan $\gamma_{2k}$, moet zijn paar $\gamma_{2k+1}$ zijn).
3. Iteratieve Lus:
   • Het algoritme identificeert "actieve knopen" (knopen op de maximale afstand van de wortel die geen niet-toegewezen kinderen hebben).
   • Voor elke actieve knoop berekent het het Cartesisch product van alle mogelijke geldige bladtoewijzingen voor zijn randen.
   • Het evalueert het Pauli-gewicht van de resulterende Hamiltoniaan-termen voor elke combinatie.
   • Het selecteert de toewijzing die het gewicht minimaliseert, werkt de boom bij en reduceert de Hamiltoniaan (vereenvoudigt termen waarbij indices identiek worden).
4. Output: Een herschikte enumeratie van Majorana-operatoren die de kostenfunctie voor de specifieke Hamiltoniaan minimaliseert, terwijl de oorspronkelijke boomtopologie behouden blijft.

3. Belangrijkste Bijdragen

• Deterministische Optimalisatie: In tegenstelling tot eerdere stochastische methoden, garandeert TOPP-HATT een consistent, reproduceerbaar resultaat zonder het risico om vast te lopen in lokale minima.
• Behoud van Topologie: De methode optimaliseert binnen een vaste boomstructuur. Dit stelt het in staat om toegepast te worden op encodings die zijn afgeleid van specifieke apparaat-connectiviteitsgrafieken (bijvoorbeeld heavy-hex roosters) zonder de hardware-beperkingen te doorbreken.
• Brede Toepasbaarheid: De methode werkt voor standaard encodings (Jordan-Wigner, Bravyi-Kitaev, Parity, JKMN) en Hamiltonian-adaptieve encodings (Huffman, HATT).
• Geen Ancillae of Overhead: De optimalisatie vermindert de circuitdiepte en het Pauli-gewicht zonder extra qubits of SWAP-gates toe te voegen.

4. Resultaten

De methode werd getest op het watermolecuul ($H_2O$) in de STO-3G basis (14 modi) en diverse andere moleculen in STO-3G en 6-31G basissen.

• Vermindering van Pauli-gewicht:
  • Voor standaard encodings verminderde TOPP-HATT consequent zowel het gemiddelde Pauli-gewicht als het coëfficiënt-geschaalde Pauli-gewicht in vergelijking met naïeve enumeraties en gesimuleerde afkoeling.
  • De methode was het meest effectief voor lineaire encodings (Jordan-Wigner, Parity), maar toonde ook verbeteringen voor binaire (Bravyi-Kitaev) en ternaire (JKMN) bomen.
• qDRIFT Circuitdiepte:
  • De auteurs pasten TOPP-HATT toe als een voorverwerkingsstap voor het qDRIFT-algoritme (een stochastische tijds-evolutiemethode).
  • Niet-getranspileerde Circuits: Gemiddelde reductie in circuitdiepte van 24,7%.
  • Getranspileerde Circuits: Na compilatie voor een 20-qubit IQM Garnet apparaat-topologie was de gemiddelde reductie 26,5%.
  • Specifieke verbeteringen voor de Jordan-Wigner encoding waren ongeveer 20% (niet-getranspileerd) en ongeveer 19% (getranspileerd).
• Berekeningskosten:
  • Het algoritme is computerefficiënt. De runtime schaalt ongeveer als $|H_\gamma|^{1,47}$ (waarbij $|H_\gamma|$ het aantal Hamiltoniaan-termen is).
  • De binnenste lus is sterk paralleliseerbaar.

5. Betekenis

Dit werk adresseert een kritieke bottleneck in nabije-toekomstige quantum-simulatie: de hoge circuitdiepte die vereist is voor fermionische simulaties. Door een deterministische, laag-kostende en topologie-behoudende optimalisatiemethode te bieden, stelt TOPP-HATT het volgende in staat:

• Co-design: Het overbrugt de kloof tussen Hamiltonian-specifieke optimalisatie en hardware-beperkingen, waardoor onderzoekers apparaat-native encodings kunnen gebruiken zonder in te leveren op simulatie-accuraatheid of efficiëntie.
• Foutreductie: Een lager Pauli-gewicht vertaalt zich direct naar minder gates, wat de accumulatie van gate-fouten en uitleesfouten vermindert, wat essentieel is voor Noisy Intermediate-Scale Quantum (NISQ) apparaten.
• Schaalbaarheid: De gunstige schaling en deterministische aard van de methode maken het geschikt voor het voorverwerken van grotere moleculaire systemen naarmate de quantumhardware verbetert.

Kortom, TOPP-HATT biedt een praktische, directe verbetering voor quantumchemie-simulaties door te optimaliseren hoe fermionische systemen worden afgebeeld op qubits, wat resulteert in aanzienlijk ondiepere en robuustere quantumcircuits.