Beyond Logical Circuits: Hardware-Aware Analysis of Expressibility and Trainability in Variational Quantum Algorithms

Dit artikel toont aan dat hardwarebewuste transpilatie de expressibiliteit en trainbaarheid van variatiekwantumalgoritmen aanzienlijk verandert ten opzichte van voorspellingen op logisch niveau, en blootlegt dat structurele wijzigingen tijdens uitvoering de aangenomen trade-off tussen expressibiliteit en trainbaarheid kunnen verstoren, waardoor hardware-inclusieve evaluatie noodzakelijk is voor een accurate karakterisering.

De kern

Stel je voor dat je een architect bent die een prachtig, complex huis ontwerpt. Je maakt perfecte blauwdrukken (de Logische Schakeling) die precies aangeven hoe elke kamer met elkaar verbonden is, waar de ramen komen en hoe de elektriciteit stroomt. Je gaat ervan uit dat zodra je deze blauwdrukken aan het bouwteam overhandigt, het huis exact wordt gebouwd zoals je het hebt ontworpen.

In de echte wereld van kwantumcomputing heeft het "bouwteam" (de Hardware) echter zeer strikte regels. Ze kunnen geen brug tussen twee kamers bouwen als er een muur in de weg staat, en ze hebben alleen specifieke soorten bakstenen (poorten) beschikbaar. Om je perfecte blauwdruk aan deze beperkingen aan te passen, komt een tussenpersoon genaamd een Transpiler in actie. Deze herschikt de kamers, voegt extra gangen toe en vervangt je fancy bakstenen door die welke het bouwteam heeft. Dit proces heet Transpilatie.

Dit artikel betoogt dat de meeste wetenschappers de "perfecte blauwdrukken" hebben bestudeerd en ervan zijn uitgegaan dat het uiteindelijke huis er hetzelfde uitziet. De auteurs zeggen: "Wacht even! Het bouwteam verandert het huis zo veel dat het misschien niet eens meer hetzelfde huis is."

Hier is een uiteenzetting van hun bevindingen met eenvoudige analogieën:

1. De twee dingen die er toe doen: "Flexibiliteit" en "Bestuurbaarheid"

Om te beoordelen of een kwantumalgoritme (een programma voor een kwantumcomputer) goed is, kijken wetenschappers naar twee hoofdaspecten:

• Expressiviteit (Flexibiliteit): Hoeveel verschillende vormen kan het huis aannemen? Een zeer flexibel huis kan veranderen in een kasteel, een huisje of een wolkenkrabber. In kwantumtermen betekent dit dat de schakeling een breed scala aan complexe toestanden kan creëren.
• Trainbaarheid (Bestuurbaarheid): Hoe makkelijk is het om de auto naar de juiste bestemming te sturen? Als de auto vastzit in een diepe vallei (een "barren plateau"), kun je hem niet de heuvel op sturen om de beste oplossing te vinden. Als de auto op een vlakke vlakte staat, is het makkelijk te besturen.

2. De grote verrassing: Het bouwteam verandert de regels

De auteurs namen verschillende "blauwdrukken" (zogenaamde Ansatzes) en voerden ze uit via het bouwteam (de Transpiler) op een gesimuleerde IBM-kwantumchip. Ze vergeleken het oorspronkelijke ontwerp met het uiteindelijke gebouwde huis.

Het resultaat: Het bouwteam voegde niet slechts een paar extra bakstenen toe; ze veranderden fundamenteel de aard van het huis.

• De "Flexibiliteits"-schok: Voor sommige ontwerpen maakte het transpilatieproces het huis minder flexibel. In één geval (het "HEA Ring"-ontwerp) daalde de flexibiliteit met maar liefst 125% (wat betekent dat het uiteindelijke huis veel minder kon doen dan de blauwdruk beloofde).
• De "Stuur"-schok: Voor andere ontwerpen veranderde de mogelijkheid om de auto te sturen. Soms werd het makkelijker, soms moeilijker. In sommige gevallen veranderde het sturen met 25%.

3. Niet alle blauwdrukken reageren hetzelfde

De auteurs ontdekten dat sommige ontwerpen "sterker" zijn dan anderen wanneer ze geconfronteerd worden met het bouwteam:

• De "Gestructureerde" huizen (TTN en MPS): Dit zijn huizen gebouwd met een strikt, logisch roostersysteem. Ze zijn zeer robuust. Toen het bouwteam ze herschikte, bleef het huis grotendeels hetzelfde. Ze verloren niet veel flexibiliteit en waren nog steeds makkelijk te besturen.
• De "Dichte" huizen (EfficientSU2): Dit zijn huizen met overal muren en geen duidelijke paden. Ze waren al zeer flexibel, dus het bouwteam kon ze niet veel flexibeler maken, maar ze braken ze ook niet makkelijk.
• De "Ring"-huizen (HEA Ring): Deze ontwerpen probeerden kamers in een cirkel te verbinden. Omdat het bouwteam met hun beperkte gereedschap geen perfecte cirkel kon bouwen, moesten ze zoveel extra gangen toevoegen dat het huis een doolhof werd. Dit vernietigde de flexibiliteit van het oorspronkelijke ontwerp.

4. De gebroken belofte: De "Trade-off"-mythe

Lange tijd geloofden wetenschappers in een eenvoudige regel: "Als je een huis superflexibel maakt, wordt het onmogelijk te besturen (trainen)." Ze dachten dat je moest kiezen tussen een veelzijdig huis of een makkelijk te besturen huis.

Het artikel zegt dat deze regel gebroken is zodra je het daadwerkelijke huis bouwt.
Het bouwteam (transpilatie) kan onafhankelijk van elkaar spelen met flexibiliteit en besturing.

• Soms maakt het team het huis minder flexibel maar makkelijker te besturen.
• Soms maken ze het flexibeler maar moeilijker te besturen.
• Soms veranderen ze het ene maar laten ze het andere onaangetast.

Dit betekent dat je niet kunt voorspellen hoe een kwantumcomputer zal presteren door alleen naar de blauwdrukken te kijken. Het "bouwproces" zelf verandert het spel.

De conclusie

Als je een kwantumalgoritme op papier ontwerpt, zie je slechts de helft van het verhaal. Het moment dat je probeert het uit te voeren op echte hardware, herschrijft het "bouwteam" (transpilatie) het script.

De auteurs concluderen dat we moeten stoppen met alleen naar de blauwdrukken te kijken. We moeten het daadwerkelijk gebouwde huis (de getranspileerde schakeling) testen om te weten of het echt zal werken. Alleen vertrouwen op het theoretische ontwerp is als het beoordelen van de prestaties van een auto door naar een schets te kijken, en het feit te negeren dat de fabriek de onderdelen op een heel andere manier aan elkaar moet lassen.

Technische samenvatting

Probleemstelling

Variational Quantum Algorithms (VQA's) vertrouwen op geparametriseerde quantumcircuits (PQCs), waarbij de prestaties worden bepaald door twee kritieke eigenschappen: expressiviteit (het vermogen om Haar-willekeurige toestanden te benaderen) en trainbaarheid (het gemak waarmee parameters worden geoptimaliseerd, vaak gehinderd door barre plateaus). Bestaand onderzoek evalueert deze eigenschappen doorgaans op het logische circuitniveau, waarbij impliciet wordt aangenomen dat het ontworpen circuit tijdens de hardware-uitvoering structureel identiek blijft.

In de praktijk moeten PQCs echter een hardware-bewuste transpilatie (compilatie) ondergaan om te voldoen aan fysieke beperkingen zoals beperkte qubit-connectiviteit, native gate-sets en apparaattopologie. Dit proces wijzigt de circuitstructuur door qubit-mapping, routing (het invoegen van SWAP-gates) en basis-decompositie. Het artikel betoogt dat deze structurele wijzigingen de expressiviteit en trainbaarheid van de PQC fundamenteel kunnen veranderen, waardoor analyses op logisch niveau onbetrouwbare voorspellers worden van het daadwerkelijke hardware-gedrag. Hoewel eerder werk de impact van transpilatie op resourcekosten (diepte, aantal gates) en ruis heeft onderzocht, blijft het effect op de fundamentele functionele eigenschappen van VQA's grotendeels onontgonnen.

Methodologie

De auteurs presenteren een systematisch, hardware-bewust evaluatiekader dat logische circuits vergelijkt met hun getranspileerde tegenhangers.

• Ansatz-families: De studie evalueert zes diverse ansatz-families die verschillende structurele inductieve biasen omvatten:
  • Hardware-efficiënt: EfficientSU2, HEA Ring.
  • Geïnspireerd door tensor-netwerken: Tree Tensor Network (TTN), Matrix Product State (MPS Brick).
  • Probleemspecifiek/Algemeen: RealAmplitudes, TwoLocalRYRZ.
• Experimentele opstelling:
  • Logische circuits: Gecreëerd met variërende qantaantallen ($n \in \{2, 4, 6, 8, 10\}$) en herhalingsdieptes ($L \in \{2, 4, 6, 8, 10\}$).
  • Transpilatie: Circuits worden gecompileerd met de transpiler van Qiskit, gebruikmakend van de IBM FakeBrooklynV2-backend (65 qubits, heavy-hex connectiviteit) om realistische hardware-beperkingen te simuleren zonder stochastische ruis in te brengen.
  • Optimalisatieniveaus: Transpilatie wordt uitgevoerd over optimalisatieniveaus 0 tot en met 3 om de impact van de agressiviteit van de compiler te beoordelen.
  • Simulatie: Zowel logische als getranspileerde circuits worden geconverteerd naar PennyLane voor ruisvrije statevector-simulatie. Cruciaal is dat het aantal parameters constant wordt gehouden tussen de logische en getranspileerde versies om structurele effecten te isoleren.
• Metingen:
  • Expressiviteit: Gemeten via de Kullback-Leibler (KL)-divergentie tussen de fideliteitsverdeling van de uitvoertoestanden van het circuit en de theoretische Haar-willekeurige verdeling. Een lagere KL-divergentie duidt op hogere expressiviteit.
  • Trainbaarheid: Gekwantificeerd door de variantie van de kostenfunctiegradienten. Een hogere gradientvariantie duidt op betere trainbaarheid, terwijl een lage variantie barre plateaus suggereert.
  • Overhead: Gedefinieerd als het verschil tussen de meting van het getranspileerde circuit en het logische circuit ($\Delta = \text{Metriek}_{\text{getranspileerd}} - \text{Metriek}_{\text{logisch}}$).

Belangrijkste bijdragen

1. Beperkingen van evaluaties op logisch niveau: Het artikel toont aan dat metrieken op logisch niveau niet altijd betrouwbare voorspellers zijn van hardware-gedrag. PQCs kunnen na hardware-bewuste compilatie aanzienlijk verschillende kenmerken vertonen.
2. Hardware-bewust evaluatiekader: Dit werk biedt de eerste systematische studie die de expressiviteit en trainbaarheid van PQC's vergelijkt op zowel logisch als getranspileerd niveau, en zo voorbijgaat aan conventionele resource-metrieken zoals diepte en aantal gates.
3. Systematische multi-ansatz benchmarking: Een uitgebreide evaluatie over meerdere ansatz-families, qubit-aantallen en circuitdieptes onthult hoe transpilatie functionele eigenschappen op verschillende manieren beïnvloedt, afhankelijk van de architectuur.
4. Transpilatie als actieve transformatie: De resultaten tonen aan dat transpilatie niet slechts een passieve resource-optimalisatie is, maar een actieve transformatie die expressiviteits- en trainbaarheidslandschappen niet-monotoon kan herschikken.
5. Afbraak van de expressiviteit-trainbaarheid trade-off: De studie daagt de algemeen aangenomen inverse relatie tussen expressiviteit en trainbaarheid in hardware-bewuste settings uit, en toont aan dat transpilatie deze eigenschappen op een ontkoppelde, ansatz-afhankelijke manier kan veranderen.

Belangrijkste resultaten

• Qubit-overhead: De meeste ansatzes (EfficientSU2, TTN, RealAmplitudes, MPS Brick, TwoLocalRYRZ) behielden hetzelfde qubit-aantal na transpilatie. De HEA Ring-ansatz vereiste echter extra fysieke qubits (uitbreiding van 8/10 naar 12) bij hogere optimalisatieniveaus om ring-entanglement-routing op de heavy-hex-topologie mogelijk te maken.
• Diepte-overhead: Transpilatie verhoogde de circuitdiepte consequent, waarbij de omvang sterk afhankelijk was van de ansatz-structuur en het optimalisatieniveau. EfficientSU2 (dichte entanglement) vertoonde de grootste diepte-overhead, terwijl gestructureerde ansatzes zoals TTN en MPS Brick relatief ongevoelig bleven vanwege hun lokaalbehoudende aard.
• Expressiviteits-overhead:
  • HEA Ring vertoonde de grootste degradatie (tot een toename van ~1,25 in KL-divergentie), met name bij grotere qubit-aantallen en hogere optimalisatieniveaus.
  • EfficientSU2 toonde minimale overhead, waarschijnlijk omdat het al zeer expressief was.
  • Gestructureerde Ansatzes (TTN, MPS Brick) toonden een hoge robuustheid, met overheads die over het algemeen beperkt bleven tot kleine bereiken ($\pm 0,04$).
  • RealAmplitudes vertoonde een trend naar een lichte verbetering in expressiviteit bij hogere optimalisatieniveaus.
• Trainbaarheids-overhead:
  • TTN en HEA Ring toonden lokale verbeteringen (positieve overhead) in trainbaarheid, met name bij lagere qubit-aantallen.
  • RealAmplitudes vertoonde een consistente negatieve bias (degradatie) bij hogere optimalisatieniveaus.
  • MPS Brick en TwoLocalRYRZ bleven zeer stabiel met een overhead dicht bij nul.
  • Over het algemeen waren de variaties in trainbaarheid kleiner (tot ~25%) dan de variaties in expressiviteit (tot ~125%).
• Ontkoppeling van eigenschappen: De studie vond dat veranderingen in expressiviteit niet noodzakelijkerwijs correleren met veranderingen in trainbaarheid. Bijvoorbeeld, EfficientSU2 bleef stabiel in beide metrieken ondanks aanzienlijke diepte-overhead, terwijl RealAmplitudes trainbaarheidsdegradatie leed zonder consistente winst in expressiviteit.

Betekenis en claims

Het artikel claimt dat de standaardpraktijk om VQA's uitsluitend op het logische ontwerpniveau te evalueren ontoereikend is voor het karakteriseren van hun prestaties op NISQ-apparaten. De auteurs betogen dat:

• Transpilatie een actieve transformatie is: Het verandert fundamenteel de representatieve capaciteit en het optimalisatielandschap van VQA's, niet alleen de resourcekosten.
• Trade-offs op logisch niveau niet altijd gelden: De aangenomen trade-off tussen expressiviteit en trainbaarheid geldt niet uniform na hardware-bewuste compilatie; deze eigenschappen kunnen onafhankelijk en op een ansatz-afhankelijke manier worden gewijzigd.
• Noodzaak van hardware-bewust ontwerp: Conclusies getrokken uit abstracte circuitontwerpen vertalen zich mogelijk niet naar praktische implementaties. Daarom vereist een accurate karakterisering van VQA's evaluatiekaders die expliciet rekening houden met door transpilatie veroorzaakte structurele transformaties.

De auteurs concluderen dat hardware-bewuste evaluatie essentieel is voor het betrouwbare ontwerp en de implementatie van variational quantum algorithms, aangezien de "passieve" compilatiestap kan fungeren als een significante architecturale verstoring.