Sparse Quantum Voxel Encoding for Readout-Efficient Molecular Geometry Reconstruction on NISQ Devices

Technische Samenvatting: Sparse Quantum Voxel Encoding voor Readout-efficiënte Reconstructie van Moleculaire Geometrie

Probleemstelling
Huidige kwantumbenaderingen voor moleculaire generatieve modellering en ontwerp worden geconfronteerd met een fundamentele "metingsbottleneck". Hoewel methoden zoals amplitude-encodering de moleculaire structuren kunnen representeren met een exponentiële informatiedichtheid (waarbij $n$ qubits worden gebruikt om $2^n$ amplitudes op te slaan), vereist het extraheren van de volledige moleculaire geometrie uit dergelijke toestanden volledige kwantumtoestands-tomografie. Dit proces is prohibitief duur op Noisy Intermediate-Scale Quantum (NISQ) apparaten, waarbij $O(3^n \times 10^{2-3})$ metingsshots nodig zijn om statistische nauwkeurigheid te bereiken. Alternatieve encoderingsschema's, zoals hoek-encodering (angle encoding), vermijden de exponentiële voorbereidingskosten maar lijden aan reconstructie-ambiguïteit, waardoor het onhaalbaar is om invoerparameters te herstellen uit verstrengelde toestanden. Bijgevolg is er een gebrek aan praktische, readout-efficiënte representaties die directe reconstructie van 3D-moleculaire geometrieën mogelijk maken vanuit ruwe metingsresultaten op nabije hardware.

Methodologie: Sparse Quantum Voxel Encoding
De auteurs stellen "Quantum Voxelization Encoding" voor, een sparse computationele-basis representatie die de reconstructie van moleculen transformeert van een exponentieel tomografisch probleem naar een polynomiaal support-recovery probleem. De methodologie verloopt als volgt:

1. Discretisatie (Voxelisatie): De continue 3D moleculaire ruimte wordt gediscretiseerd in een regelmatig rooster van $V^3$ voxels. De positie $(x, y, z)$ en het chemische type $\tau$ van elk atoom worden toegewezen aan een unieke gehele index $c_a$. Deze index combineert de gelinieariseerde voxelcoördinaat $v_a$ en de atoomtype $\tau_a$ via $c_a = v_a \cdot T + \tau_a$, waarbij $T$ het aantal verschillende atoomtypes is.
2. Toestand-voorbereiding (State Preparation): Het molecuul wordt gecodeerd als een gelijke superpositie van de computationele basis-toestanden die overeenkomen met de bezette voxels:
   $$|\psi_{M^*}\rangle := \frac{1}{\sqrt{A}} \sum_{c_a \in M^*} |c_a\rangle$$
   waarbij $A$ het aantal atomen is. De auteurs gaan ervan uit dat een methode voor toestand-voorbereiding bestaat (hier gedemonstreerd via isometrie-gebaseerde initialisatie), maar richten zich op de efficiëntie van de decodering.
3. Decodering via Coupon Collector Sampling: In plaats van Pauli-operatoren te meten voor tomografie, wordt de kwantumtoestand herhaaldelijk gemeten in de computationele basis. Elke meting laat de toestand "instorten" naar een enkele basis-toestand, wat de positie en het type van één atoom onthult. Het reconstructieprobleem is wiskundig equivalent aan het klassieke coupon collector probleem: om alle $A$ verschillende atomen te herstellen, is het verwachte aantal shots vereist $E[S] \approx A \ln A$, of $O(A \log A)$ voor een hoge betrouwbaarheid.

Belangrijkste Bijdragen
Het artikel formaliseert en valideert dit encoderingsschema via vier primaire bijdragen:

1. Formalisering van de Sparse Support Representatie: De auteurs bewijzen dat zodra een sparse support-toestand is voorbereid, volledige readout-reconstructie van een $A$-atoom molecuul slechts $O(A \log A)$ shots vereist in een ideale, ruisvrije setting, wat een significante reductie is ten opzichte van de exponentiële kosten van amplitude-encodering.
2. Karakterisering van de Resolutie-Resource Trade-off: Het werk leidt de relatie af tussen de benodigde qubits ($n = \lceil \log_2(V^3 T) \rceil$) en ruimtelijke kwantiseringsfouten. Het stelt vast dat de maximale Euclidische fout per atoom begrensd is door $\Delta_{max} = \frac{\sqrt{3}}{2}s_{voxel}$, waarbij $s_{voxel}$ de voxelrandlengte is.
3. Experimentele Validatie op NISQ-hardware: De methode werd geïmplementeerd op de 156-qubit IBM Kingston processor met behulp van 8-qubit circuits om een 10-atoom ethylamine-molecuul ($C_2H_7N$) te reconstrueren.
4. Demonstratie van Ruisresistentie: De studie toont aan dat de codering praktisch bruikbaar blijft ondanks aanzienlijke hardware-ruis, inclus\text{ bij} een hoog deel van de "verloren shots" (detecties van lege voxels of ongeldige indices).

Experimentele Resultaten
De auteurs voerden experimenten uit met shot-aantallen variërend van 47 tot 300 op de IBM Kingston-device en een ruisige simulator:

• Reconstructie Recall: De gemiddelde reconstructie recall ($\bar{R}$), gedefinieerd als het fractie van de gerecupereerde atomen die minstens één keer zijn gedetecteerd, bereikte 0,94 bij $S=116$ en 0,98 bij $S=200$ op echte hardware. Bij $S=200$ behaalden 8 van de 10 experimenten een perfecte recall ($R=1$).
• Ruiskenmerken: Op hardware waren ongeveer 74% van de shots "verloren" (detectie van lege voxels of ongeldige indices) door decoherentie en readout-fouten, met een sterke bias naar de grondtoestand ($|00\dots0\rangle$). Ondanks dit alles maakte het coupon collector-mechanisme succesvolle reconstructie van de moleculaire structuur mogelijk.
• Efficiëntie: De aanpak bereikte een reductie van twee tot drie grootheden in de metingskosten vergeleken met volledige toestandstoemografie-benaderingen, waarbij slechts $O(10^2)$ shots nodig waren in plaats van $O(10^{4-6})$.
• Signaal-ruisverhouding (SNR): De auteurs introduceerden een SNR-metriek om geldige atomen te identificeren zonder voorafgaande grondwaarheid (ground truth), waarbij zij vonden dat geldige atomaire toestanden onderscheidbaar waren van door ruis veroorzaakte lege voxel-detecties (Hardware SNR $\approx 7,8$).

Betekenis en Claims
Het artikel claimt dat dit werk de eerste NISQ-demonstratie is van support-recovery voor een voxelized moleculaire atoom-type puntwolk. De betekenis ligt in het bieden van een "readout-compatibele kwantumrepresentatie" waarbij de moleculaire geometrie is uitgetekend in computationele-basis labels, wat structurele reconstructie mogelijk maakt vanuit ruwe metingen zonder kostbare tomografie.

De auteurs positioneren dit expliciet als een bouwsteen voor kwantum generatieve modellering (bijv. Quantum Autoencoders, QGANs), waarbij de output van een model een kwantumtoestand is die moet worden gedecodeerd naar een chemisch valide structuur.

Beperkingen en Matige Claims
Het artikel hanteert een bescheiden toon met betrekking tot de reikwijdte en beperkingen:

• Toestand-voorbereidingsbottleneck: De auteurs verduidelijken dat hoewel de decodering efficiënt is, de voorbereiding van de willekeurige sparse toestand $|\psi_{M^*}\rangle$ niet door dit werk wordt opgelost en momenteel diepe circuits vereist (bijv. $\sim1200$ gates voor de 8-qubit instantie), wat een schaalbaarheidsbottleneck blijft.
• Ruimtelijke Precisie: De codering offert inherent ruimtelijke precisie op voor readout-efficiëntie. De methode kan geen sub-voxel informatie herstellen, wat het gebruik beperkt voor toepassingen die sub-ångström nauwkeurigheid vereisen (bijv. precieze docking), tenzij de voxel-resolutie wordt verhoogd, wat op zijn beurt de qubit-vereisten verhoogt.
• Symmetrie-issues: Het voxel-rooster behoudt geen rotationele of translationele invariantie, wat betekent dat de codering afhankelijk is van de oriëntatie van het molecuul en de uitlijning van het rooster, wat een nadeel is voor het leren van onderliggende moleculaire fysica.
• Reikwijdte: Het werk richt zich strikt op het herstellen van atoomposities en -typen (een puntwolk), en sluit expliciet bindingen, spin-toestanden of elektronische structuurinformatie uit.