Machine learning of measurement schemes for efficient quantum observable estimation

Resumo Técnico: Aprendizado de Máquina de Esquemas de Medição para Estimativa Eficiente de Observáveis Quânticos

Definição do Problema
Estimar o valor de expectativa de observáveis é uma sub-rotina fundamental na computação quântica, particularmente para algoritmos de curto prazo como o Variational Quantum Eigensolver (VQE). No entanto, a natureza destrutiva das medições quânticas exige a preparação de estados quânticos múltiplas vezes (shots), criando um gargalo de desempenho. Enquanto os observáveis são tipicamente decompostos em somas de cadeias de Pauli ($O = \sum_j a_j P_j$), a estimativa ingênua requer um número de medições que escala quadraticamente com a norma $L_1$ dos coeficientes ($\|\vec{a}\|_1$). Os métodos existentes para reduzir esse custo geralmente se dividem em duas categorias:

1. Métodos de agrupamento (Grouping methods) (ex: LDF, OGM): Estes produzem uma distribuição de probabilidade sobre um pequeno conjunto de grupos de medição. Frequentemente dependem de heurísticas criadas manualmente e enfrentam dificuldades com Hamiltonianos moleculares que contêm exponencialmente muitos termos.
2. Métodos de Sombras Clássicas (Classical Shadow methods) (ex: LBCS): Estes utilizam distribuições sobre todas as medições de Pauli. Embora escaláveis, frequentemente empregam estruturas simples que falham em atingir a eficiência de shot ideal para sistemas moleculares complexos.

O desafio central é como aumentar o poder de representação dos esquemas de medição para alcançar uma melhor eficiência de shot para observáveis complicados sem depender de heurísticas rígidas e manuais.

Metodologia
Os autores propõem um framework para aprender esquemas de medição diretamente da estrutura do observável usando aprendizado de máquina, especificamente o gradiente descendente estocástico (SGD) e uma regra de atualização de dois tempos (TTUR).

1. Esquema de Medição Composto (Composite Measurement Scheme - CMS):
   Os autores definem um "esquema de medição" como um gerador que produz um conjunto de medições. Eles introduzem o Esquema de Medição Composto, que combina múltiplos esquemas de medição simples (sub-esquemas) via uma distribuição de probabilidade de mistura treinável $\vec{r}$.

• C-LBCS (Composite-Locally Biased Classical Shadow): Como uma realização concreta, eles propõem o C-LBCS. Este método aprende uma mistura de esquemas de Locally Biased Classical Shadow (LBCS). Cada sub-esquema $S_k$ é um LBCS com distribuições de Pauli por qubit $\{\beta^k_i\}$ ajustáveis. O esquema composto amostra um sub-esquema de acordo com $\vec{r}$ e então gera uma cadeia de Pauli baseada na distribuição daquele sub-esquema.

2. Função de Custo (Variância Média de Um Único Shot):
   Para otimizar o esquema sem conhecimento do estado quântico alvo, os autores definem uma função de custo $V$ baseada na variância média de um único shot sobre todo o espaço de Hilbert (usando a medida de Haar).

• A função de custo é derivada como $V = \sum_j a_j^2 \frac{1}{h_j}$, onde $h_j$ é a probabilidade média de que o $j$-ésimo termo de Pauli seja "coberto" (medido) pelo esquema.
• Para o C-LBCS, $h_j$ é decomposta como $\sum_k r_k h^k_j$, onde $h^k_j$ é a probabilidade de cobertura do $k$-ésimo sub-esquema. Esta estrutura permite que a função de custo seja otimizada em relação tanto aos pesos de mistura $\vec{r}$ quanto aos parâmetros dos sub-esquemas $\{\theta^k_i\}$.

3. Estratégias de Otimização:
   O cenário de otimização é não-convexo no geral, mas exibe uma estrutura bi-convexa em relação aos pesos de mistura $\vec{r}$ e às probabilidades de cobertura $\{h^k_j\}$. Para navegar nisso, os autores empregam:

• Redimensionamento de Gradiente (Gradient Rescaling): Para evitar que sub-esquemas com baixos pesos de mistura ($r_k \approx 0$) sejam "congelados" durante o treinamento, o gradiente para os parâmetros do sub-esquema é redimensionado por $1/r_k$.
• Regra de Atualização de Dois Tempos (Two Time-Scale Update Rule - TTUR): Inspirado no treinamento de GANs, $\vec{r}$ e $\{\theta^k_i\}$ são atualizados com diferentes taxas de aprendizado (especificamente, a taxa de aprendizado para $\vec{r}$ é definida como 10 vezes menor que a dos parâmetros do sub-esquema) para estabilizar a convergência.
• Gradiente Descendente Estocástico (SGD): Para lidar com observáveis com milhares de termos (comuns em problemas de estrutura eletrônica), o treinamento utiliza mini-lotes (mini-batches) de termos de Pauli, permitindo escalabilidade e aceleração por GPU.

Resultos Principais
Os autores demonstram numericamente a eficácia do C-LBCS em sistemas moleculares que variam de moléculas pequenas até o CO$_2$ (30 qubits, $\sim$11.000 termos).

• Desempenho: O C-LBCS supera consistentemente métodos de estado da arte, incluindo Derandomized Classical Shadow (Derand), Overlapped Group Measurement (OGM) e ShadowGrouping (SG), através de vários Hamiltonianos moleculares (LiH, H$_6$, H$_2$O, NH$_3$, N$_2$, C$_2$H$_2$, C$_2$H$_4$, CO$_2$) e transformações de codificação (Jordan-Wigner e Bravyi-Kitaev).
• Escalabilidade: O método escala efetivamente com o número de sub-esquemas. Aumentar o número de sub-esquemas permite uma redução sistemática da variância, superando o SG mesmo quando o número de sub-esquemas é comparável ao número de grupos em OGM.
• Robustez: O treinamento é robusto a tamanhos de lote pequenos (até 1/128 do total de termos), indicando adequação para observáveis de grande escala. Os estudos de ablação confirmam que tanto o redimensionamento de gradiente quanto o TTUR são críticos para alcançar os melhores resultados.
• Eficiência: Diferente de métodos sequenciais gananciosos (como o SG), o treinamento do C-LBCS é totalmente paralelizável em GPUs. O custo clássico para gerar medições pós-treinamento é baixo ($O(n_S + n_q)$), e o custo de treinamento único é amortizado ao longo de muitos ciclos de medição em fluxos de trabalho típicos como o VQE.

Significância e Alegações
O artigo afirma abrir um "caminho confiável e escalável para a estimativa eficiente de observáveis em grandes sistemas quânticos."

• Mudança de Heurísticas para Aprendizado: A principal contribuição é a mudança de paradigma de heurísticas manuais e bottom-up para um framework de aprendizado top-down e end-to-end que otimiza diretamente os esquemas de medição para observáveis específicos.
• Universalidade: Os autores provam que o C-LBCS é universal; com $3^{n_q}$ sub-esquemas, ele pode simular qualquer distribuição de medições de Pauli agindo não trivialmente em cada qubit. No entanto, eles observam que, na prática, muito menos sub-esquemas são necessários para alcançar eficiência de estado da arte.
• Praticidade: O método aborda o gargalo da eficiência de medição em algoritmos quânticos de curto prazo sem exigir conhecimento prévio do estado quântico. Os autores enfatizam que, embora a função de custo seja definida no limite de medições infinitas, os esquemas treinados fornecem desempenho superior mesmo em regimes de shots finitos para os sistemas testados.

Os autores permanecem modestos quanto às limitações, observando que a função de custo assume um limite de medições infinitas; se o orçamento total de medição for muito pequeno em relação ao número de termos, o esquema treinado pode não ser estritamente ótimo para aquele orçamento finito específico. Adicionalmente, a abordagem depende da premissa de que o estado alvo é desconhecido, o que é padrão para o VQE, mas exige que a função de custo seja independente do estado.