Discovery of connectivity-trainability trade-off of IQP Circuits for Hamiltonian Optimization

Technische Samenvatting: Ontdekking van de Connectiviteit-Trainbaarheid Afruil van IQP-circuits voor Hamiltoniaanse Optimalisatie

Probleemstelling
Combinatorische optimalisatieproblemen, die vaak worden geherformuleerd als het vinden van de grondtoestand van een Hamiltoniaan, staan centraal in diverse wetenschappelijke en technische velden. Variational Quantum Algorithms (VQA's), in het bijzonder de Variational Quantum Eigensolver (VQE), zijn uitgegroeid tot een leidend paradigma voor het oplossen van deze problemen op nabije kwantumapparaten. Echter, een hardnekkige uitdaging in het ontwerp van VQA's is het balanceren van expressiviteit (het vermogen om complexe kwantumtoestanden te representeren) met trainbaarheid (het vermogen om parameters efficiënt te optimaliseren). Hoog-expressieve circuits lijden vaak aan "barren plateaus", waarbij gradiënten exponentieel verdwijnen met de systeemgrootte, wat optimalisatie onuitvoerbaar maakt. Omgekeerd zijn ondiepe, zwak verstrengelde circuits weliswaar trainbaar, maar missen zij mogelijk de representatieve kracht om complexe grondtoestanden te benaderen.

Hoewel Instantaneous Quantum Polynomial-time (IQP) circuits goed bestudeerd zijn vanwege hun geconstateerde klassieke hardheid in sampling-taken, blijft hun nut als variationele ansat voor Hamiltoniaanse optimalisatie grotendeels onverkend. Specifiek is de relatie tussen de IQP-circuitconnectiviteit, verstrengelinggeneratie, barren plateaus en optimalisatieprestaties niet systematisch onderzocht.

Methodologie
De auteurs voeren een systematisch onderzoek uit naar IQP-circuits toegepast op Hamiltoniaanse optimalisatie over drie benchmarkproblemen: het klassieke Ising-model, MaxCut en Number Partition. De studie evalueert drie representatieve IQP-architecturen met toenemende niveaus van connectiviteit:

1. Single-Z Circuits: Bestaande uit enkel single-qubit Pauli-Z rotaties (minimale connectiviteit).
2. Circulaire Connectiviteit: Bevat single-qubit termen en nearest-neighbor twee-qubit interacties in een ringtopologie (lokale connectiviteit).
3. Volledig Verbonden Circuits: Bevat alle paarwijze twee-qubit interacties (all-to-all connectiviteit).

De prestaties en trainbaarheid van deze architecturen worden beoordeeld met behulp van:

• Optimalisatieprestaties: Gemeten als de relatieve benaderingsratio van de grondtoestand-energie na 1.000 optimalisatie-iteraties met de Adam-optimizer.
• Trainbaarheid: Gekenmerkt door het schalingsgedrag van de gradiëntvariantie met betrekking tot het aantal qubits.
• Expressiviteit en Verstrengeling: Gekwantificeerd via de Jensen-Shannon afstand tussen de outputdistributie van het circuit en de Haar-random distributie, en door het berekenen van de gemiddelde bipartiete verstrengelingsentropie.

Experimenten werden uitgevoerd met de IQPopt Python-package en het PennyLane-framework, waarbij drie parameter-initialisatiestrategieën werden getest: Gaussisch ($N(0,1)$), Uniform ($U(0, \pi)$) en geperturbeerd $\pi/4$.

Belangrijkste Bijdragen

1. Systematische Evaluatie: Het artikel biedt de eerste uitgebreide evaluatie van IQP-circuits als variationele ansat voor Hamiltoniaanse optimalisatie over de Ising, MaxCut en Number Partition problemen.
2. Connectiviteitsanalyse: Het onderzoekt hoe circuitconnectiviteit en parameter-initialisatie de optimalisatieprestaties en trainbaarheid beïnvloeden.
3. Karakterisering van Gradiëntschaling: De studie demonstreert het schalingsgedrag van de gradiëntvariantie, waarbij wordt aangetoond hoe verhoogde connectiviteit correleert met sterkere barren plateau-effecten.
4. Link tussen Expressiviteit en Trainbaarheid: Het analyseert de relatie tussen expressiviteit, verstrengelingseigenschappen en optimalisatieprestaties, en stelt vast dat deze factoren intrinsiek verbonden zijn.
5. Identificatie van een Afruil: Het werk identificeert een fundamentele afruil tussen expressiviteit en trainbaarheid, en stelt voor dat circulaire connectiviteit een gebalanceerd regime biedt tussen over-expressieve en onder-expressieve structuren.

Resultaten
De studie onthult een duidelijke afruil tussen optimalisatieprestaties en de trainbaarheid van het circuit:

• Volledig Verbonden Circuits: Deze vertonen de hoogste expressiviteit en bijna volume-law verstrengeling, waardoor ze de laagste relatieve benaderingsratio's kunnen bereiken (superieure optimalisatieprestaties). Echter, ze lijden onder snel afnemende gradiëntvariantie naarmate de systeemgrootte toeneemt, wat hen zeer gevoelig maakt voor barren plateaus.
• Single-Z Circuits: Deze behouden gunstige, niet-verdwijnende gradiënten, wat zorgt voor een hoge trainbaarheid. Ze zijn echter onder-expressief en falen in het nauwkeurig benaderen van de grondtoestanden van complexe Hamiltoniaanse functies, wat resulteert in slechte optimalisatieprestaties.
• Circulaire Connectiviteit: Deze architectuur neemt een intermediair regime in. Het balanceert expressiviteit en trainbaarheid, en biedt robuuste prestaties over verschillende Hamiltoniaanse functies en initialisatiestrategieën. Het vermijdt de ernstige gradiëntonderdrukking van volledig verbonden circuits, terwijl het aanzienlijk betere representatieve kracht biedt dan single-Z circuits.

De resultaten wijzen erop dat de effectiviteit van IQP-circuits niet uitsluitend wordt bepaald door maximale expressiviteit, maar door een passende balans tussen representatieve capaciteit en het optimalisatielandschap.

Betekenis
Het artikel concludeert dat circuitconnectiviteit een cruciale ontwerpparameter is voor variationele kwantumalgoritmen op nabije apparaten. De bevindingen suggereren dat het maximaliseren van expressiviteit niet de optimale strategie is voor Hamiltoniaanse optimalisatie; in plaats daarvan vereisen succesvolle algoritmen een compromis dat zowel barren plateaus als onder-expressiviteit vermijdt. Door circulaire connectiviteit te identificeren als een gebalanceerd regime, biedt dit werk nieuwe inzichten in de ontwerpprincipes van IQP-gebaseerde variationele algoritmen. Dit draagt bij aan het bredere doel van het ontwikkelen van schaalbare variationele kwantumalgoritmen die in staat zijn tot praktische voordelen die verder gaan dan louter sampling-gebaseerde taken op noisy intermediate-scale quantum (NISQ) hardware.