Constrained Counterdiabatic Quantum Approximate Optimization Algorithm for Portfolio Optimization

Dit artikel introduceert de Constrained Counterdiabatic QAOA (CCD-QAOA), een nieuw algoritme dat benaderde adiabatische gauge-potentialen integreert in een variatie-ansatz om superieure optimalisatieprestaties en benaderingsverhoudingen te bereiken voor beperkte portefeuilleproblemen in vergelijking met standaard QAOA-varianten.

De kern

Het Grote Geheel: De Perfecte Portefeuille Vinden

Stel je voor dat je een financieel adviseur bent die probeert de perfecte beleggingsportefeuille samen te stellen. Je hebt een lijst met 12 verschillende aandelen. Je doel is om er precies 4 uit te kiezen (je "budget") die je de hoogste opbrengst geven, terwijl je het risico (volatiliteit) laag houdt.

Dit is een klassiek "Portfolio Optimization"-probleem. Het is moeilijk omdat de aandelen allemaal met elkaar verbonden zijn; als het ene stijgt, kan het andere dalen. Er zijn miljoenen manieren om 4 aandelen te kiezen, maar slechts een paar zijn echt de "beste".

Het Probleem: Het Quantumkompas Raakt Verdwaald

De auteurs gebruiken een speciaal type computer, een Quantumcomputer, om dit op te lossen. Ze maken gebruik van een algoritme genaamd QAOA (Quantum Approximate Optimization Algorithm).

Stel je QAOA voor als een wandelaar die probeert het laagste punt te vinden in een uitgestrekt, mistig berglandschap (het "energielandschap"). De wandelaar wil het absolute diepste punt vinden (de beste portefeuille).

• De Uitdaging: Het terrein is lastig. Er zijn veel "valse bodems" (lokale minima) die eruitzien als de bodem, maar dat niet zijn.
• De Beperking: De wandelaar mag alleen lopen op een specifiek pad waar ze altijd precies 4 stenen vasthouden (die de 4 aandelen vertegenwoordigen). Als ze een steen laten vallen of een vijfde oppakken, zijn ze van het pad en is de oplossing ongeldig.
• Het Mislukken: Standaard QAOA blijft vaak steken in de mist of dwaalt van het pad af omdat het te snel beweegt. In fysische termen maakt het "diabatische overgangen" – het springt te snel tussen toestanden om zich te vestigen in de beste.

De Oplossing: De "Counterdiabatische" Gids

De auteurs introduceren een nieuwe methode genaamd Constrained Counterdiabatic QAOA (CCD-QAOA).

Om dit te begrijpen, stel je voor dat de wandelaar door de mist beweegt.

1. Standaard QAOA: De wandelaar loopt gewoon vooruit, in de hoop de bodem te vinden. Soms struikelt hij in een ondiepe kuil en blijft hij steken.
2. De "Counterdiabatische" Truc: De auteurs voegen een speciale "gids" of "kompas" toe aan de wandelaar. Deze gids weet precies waar de wandelaar gaat struikelen en duwt hem zachtjes terug op het juiste pad voordat hij valt.
   • In de fysica heet deze gids een Adiabatische Gauge-potentiaal.
   • Het "Counterdiabatische" deel betekent dat het actief vecht tegen de fouten die de wandelaar op het punt staat te maken.

Hoe Ze de Gids Bouwden

De auteurs raadden niet zomaar hoe deze gids eruit zou moeten zien. Ze bouwden hem wiskundig met behulp van de regels van het spel:

• Ze gebruikten een speciale "mixer" (de XY-mixer) die ervoor zorgt dat de wandelaar nooit een steen laat vallen of een extra oppakt. Dit houdt de wandelaar strikt op het "4-stenen" pad.
• Ze berekenden dat om te voorkomen dat de wandelaar struikelt, de gids interacties tussen drie lichamen moet gebruiken.
  • Analogie: Stel je een standaardregel voor als "Als je naar links beweegt, beweeg dan naar rechts." Maar de nieuwe regel is complexer: "Als je naar links beweegt en je buurman een rode steen vasthoudt, dan moet je draaien." Deze complexe, driedelige regels zijn noodzakelijk om de specifieke bochten en wendingen van het risicolandschap van de aandelenmarkt te navigeren.

Wat Ze Vonden (De Resultaten)

De auteurs voerden simulaties uit om te zien of deze nieuwe "geleide" wandelaar beter presteerde dan de oude.

1. Betere Nauwkeurigheid: De geleide wandelaar (CCD-QAOA) vond betere portefeuilles (hogere "benaderingsverhoudingen") dan de standaardwandelaar, zelfs wanneer ze slechts een paar stappen mochten zetten (on diepe circuits).
2. De Afweging:
   • Het Goede: De nieuwe methode vond snellere betere oplossingen.
   • Het Slechte: De gids is zwaar. Het toevoegen van deze complexe "drie-lichaams" regels maakte het quantumcircuit ingewikkelder. Het vereiste meer "poorten" (quantumlogische bewerkingen) en duurde langer om te berekenen.
   • De Lekkage: Interessant genoeg, terwijl de gids was ontworpen om te helpen, duwden de complexe regels de wandelaar soms per ongeluk een beetje van het "4-stenen" pad af. Echter, zelfs met deze kleine fout, presteerde de nieuwe methode nog steeds beter dan de oude "straf"-methoden (die proberen de wandelaar terug op het pad te dwingen door hem zwaar te straffen).

De Conclusie

Het artikel concludeert dat door deze specifieke "gids" (de counterdiabatische term) toe te voegen aan het quantumalgoritme, ze de computer kunnen helpen betere beleggingsportefeuilles te vinden zonder een enorme, diepe quantumcomputer nodig te hebben.

Het is alsof je een GPS geeft aan een wandelaar in de mist. De GPS maakt de wandeling iets ingewikkelder om op te zetten, maar zorgt ervoor dat je daadwerkelijk de bestemming bereikt in plaats van verdwaald te raken in een ondiep dal. Deze aanpak werkt vooral goed voor financiële problemen waar je strikte regels hebt (zoals een vast budget) en complexe verbindingen tussen activa.

Technische samenvatting

Technische Samenvatting: Beperkte Counterdiabatische Quantum Approximate Optimization Algorithm voor Portefeuille-Optimalisatie

Probleemstelling
Het artikel behandelt de uitdaging om aan de beperkingen onderworpen combinatorische optimalisatieproblemen op te lossen op quantumhardware voor de korte termijn, met name gericht op portefeuille-optimalisatie. In het Markowitz-middens-variatie-raamwerk is het doel om de verwachte rendementen af te wegen tegen het risico (covariantie) terwijl een harde begrotingsbeperking wordt nageleefd (precies $B$ activa selecteren uit $N$).

Standaardimplementaties van de Quantum Approximate Optimization Algorithm (QAOA) staan voor aanzienlijke hindernissen op dit gebied:

1. Beperkingenbeheer: Standaard transversale-veldmixers behouden het Hamming-gewicht (het aantal geselecteerde activa) niet, waardoor het algoritme onhaalbare gebieden van de Hilbertruimte verkent. Hoewel strafgebaseerde methoden beperkingen afdwingen, vervormen ze het energiespectrum en creëren ze kleine effectieve gaten, wat de convergentie belemmert.
2. Diabatische Overgangen: In ondiepe circuits (lage diepte $p$) is de interpolatie tussen de mixer en de kosten-Hamiltoniaan niet-adiabatisch. Dit leidt tot diabatische overgangen die de overlap tussen de bereide toestand en de ware grondtoestand verminderen, met name bij problemen met dichte interactiegrafieken (covariantiematrices) en concurrerende energieschalen.
3. Optimalisatielandschappen: Het variatie-landschap voor aan beperkingen onderworpen problemen is vaak moeilijk te navigeren, met last van barre plateaus en trage convergentie van de klassieke optimizer.

Methodologie
De auteurs stellen de Beperkte Counterdiabatische QAOA (CCD-QAOA) voor, die counterdiabatische (CD) aandrijving integreert in het QAOA-raamwerk om diabatische overgangen te onderdrukken terwijl de naleving van beperkingen behouden blijft.

1. Beperkingenbehoudende Mixer: Het algoritme maakt gebruik van een XY-mixer ($H_{XY}^M = \sum_{i<j} (X_i X_j + Y_i Y_j)$) en initialiseert het systeem in een Dicke-toestand (een gelijke superpositie van alle toestanden met Hamming-gewicht $B$). Dit zorgt ervoor dat de dynamiek strikt binnen het haalbare deelruimte van geldige portefeuilles blijft.
2. Variatie Counterdiabatische Aandrijving: Om de niet-adiabatische overgangen inherent aan evolutie met eindige diepte te compenseren, construeren de auteurs een benaderde Adiabatische Gauge Potentiaal (AGP).
   • In plaats van de exacte, niet-lokale AGP te gebruiken, maken ze gebruik van een variatie-ansatz gebaseerd op geneste commutatoren van de kosten-Hamiltoniaan ($H_C$) en de mixer ($H_{XY}^M$).
   • De commutator $[H_C, H_{XY}^M]$ genereert van nature drie-lichaams Pauli-strings (bijvoorbeeld $X_i Y_j Z_k - Y_i X_j Z_k$).
   • De resulterende gauge potentiaal-ansatz ($A_\lambda^*$) bevat zowel twee-lichaams termen (uit de XY-algebra) als drie-lichaams termen afgeleid uit de commutatorexpansie.
3. Circuitconstructie: De CCD-QAOA-ansatz breidt de standaard QAOA-lagen uit. Voor diepte $p$ wordt de toestand voorbereid als:
   $$|\psi_{CD}\rangle = \prod_{k=1}^p e^{-i\eta_k H_{CD}} e^{-i\beta_k H_{XY}^M} e^{-i\gamma_k H_C} |D_B^N\rangle$$
   Hierbij wordt $H_{CD}$ gegenereerd door de afgeknotte gauge potentiaal-operatoren, en zijn $\eta_k$ nieuwe variatie-parameters die klassiek worden geoptimaliseerd.
4. Optimalisatie: De coëfficiënten voor de gauge potentiaal worden bepaald door de Frobenius-norm van de operator $G(A_\lambda) = \partial_\lambda H + i[A_\lambda, H]$ te minimaliseren. De variatie-parameters ($\gamma, \beta, \eta$) worden geoptimaliseerd om de verwachtingswaarde van de kosten-Hamiltoniaan te minimaliseren, waarbij Conditional Value-at-Risk (CVaR) wordt gebruikt als doelfunctie om te focussen op oplossingen van hoge kwaliteit.

Belangrijkste Bijdragen

• Systematische Constructie van CD-Operatoren: Het artikel biedt een principiële methode voor het genereren van fysiek relevante counterdiabatische operatoren voor aan beperkingen onderworpen problemen door gebruik te maken van de gestructureerde operatoralgebra tussen de kosten-Hamiltoniaan en de beperkingenbehoudende mixer.
• Afknottingsstrategie: De auteurs tonen aan dat het afknotten van de gauge potentiaal tot drie-lichaams termen een gunstige afweging biedt tussen expressiviteit en circuitcomplexiteit. Ze tonen aan dat deze termen de noodzakelijke correcties van de leidende orde vastleggen om de gecorreleerde basisrotatie veroorzaakt door de XY-mixer en dichte Ising-interacties te behandelen.
• Prestatiebenchmarking: Het werk benchmarkt CCD-QAOA tegen standaard XY-mixer QAOA, Grover-mixer QAOA en strafgebaseerde QAOA-formuleringen.

Resultaten
Numerieke simulaties op willekeurig gegenereerde portefeuille-instanties ($N=12$, $B=4$) met dichte covariantiematrices leverden het volgende op:

• Verbeterde Benaderingsverhoudingen: Voor een vaste circuitdiepte $p$ bereikt de CCD-QAOA-benadering consistent hogere benaderingsverhoudingen in vergelijking met standaard XY-mixer QAOA, Grover-mixer QAOA en strafgebaseerde methoden.
• Succeskans: Hoewel de opname van drie-lichaams CD-termen een lichte lekkage naar het onhaalbare deelruimte introduceert (wat de succeskans verlaagt in vergelijking met een pure XY-mixer QAOA die op 1,0 blijft), presteert CCD-QAOA nog steeds beter dan strafgebaseerde benaderingen wat betreft succeskans.
• Afwegingen: De verbeterde prestaties gaan gepaard met een toename van de circuitcomplexiteit. De CD-benadering vereist extra variatie-parameters en resulteert in hogere CNOT-poorttellingen en getranspileerde circuitdieptes in vergelijking met standaard QAOA. Het blijft echter schaalbaarder dan Grover-mixer-benaderingen.
• CVaR-gevoeligheid: De resultaten geven aan dat kleinere CVaR-waarden (gericht op de staart van de verdeling) over het algemeen betere benaderingsverhoudingen opleveren voor alle methoden.

Betekenis en Beweringen
De auteurs beweren dat hun werk een unificerend raamwerk vestigt voor het verbeteren van QAOA-prestaties in gestructureerde optimalisatielandschappen. De primaire betekenis ligt in het aantonen dat:

1. Aan beperkingen onderworpen problemen gestructureerde operatoralgebra's bezitten die kunnen worden benut om efficiënte counterdiabatische ansätze te construeren, waardoor men voorbij heuristisch ontwerp gaat.
2. Counterdiabatische correcties systematisch de benaderingsverhoudingen kunnen verbeteren in het regime van ondiepe circuits door diabatische overgangen te onderdrukken, zelfs wanneer beperkingen strikt worden afgedwongen via mixers.
3. De connectie tussen adiabatische gauge potentialen en variële quantumcircuits een weg biedt om de meest fysiek relevante generators (in dit geval drie-lichaams termen) te identificeren die nodig zijn om complexe energielandschappen te navigeren zonder prohibitief diepe circuits te vereisen.

Het artikel concludeert dat hoewel de methode klassieke en quantum-overhead introduceert, de systematische verbetering in oplossingskwaliteit voor aan beperkingen onderworpen portefeuille-optimalisatie een levensvatbaar pad suggereert naar verbeterde quantumoptimalisatie op apparaten voor de korte termijn, met name wanneer gecombineerd met strategieën zoals warm-starting of adaptieve operatorselectie.