Hamiltonian-reconstruction distance as a success metric for the Variational Quantum Eigensolver

Resumo Técnico: Distância de Reconstrução Hamiltoniana como Métrica de Sucesso para o Variational Quantum Eigensolver

Declaração do Problema
O Variational Quantum Eigensolver (VQE) é um algoritmo híbrido quântico-clássico líder para simular sistemas quânticos em hardware quântico de escala intermediária ruidosa (NISQ) de curto prazo. Seu objetivo principal é encontrar heurísticamente o estado fundamental e a energia do estado fundamental de um Hamiltoniano alvo. Um desafio crítico no VQE, compartilhado por outros algoritmos heurísticos de busca de estado fundamental, é determinar a qualidade da solução de saída quando o estado fundamental verdadeiro e sua energia são desconhecidos.

Critérios de parada padrão frequentemente dependem do platô de energia (ou seja, a energia deixa de mudar rapidamente entre iterações). No entanto, os autores observam que isso pode levar a uma terminação prematura errônea, onde o algoritmo para em um mínimo local subótimo ou em um platô árido, confundindo uma estagnação na energia com a convergência para o estado fundamental verdadeiro. Métricas existentes, como a variância do Hamiltoniano, frequentemente exigem interpretação caso a caso ou conhecimento prévio do estado fundamental para serem eficazes.

Metodologia: Distância de Reconstrução Hamiltoniana (HR)
Para abordar a falta de uma métrica confiável e agnóstica ao estado fundamental, os autores propõem e estudam a distância de Reconstrução Hamiltoniana (HR), denotada como $\Delta(\bar{\theta})$. Esta métrica é derivada do arcabouço teórico da reconstrução Hamiltoniana, que infere um Hamiltoniano pai dado um autoestado.

A metodologia procede da seguinte forma:

1. Seleção de Operadores: Um conjunto de operadores $\{\hat{H}_i\}$ é escolhido de modo que seu span contenha o Hamiltoniano alvo verdadeiro $\hat{H}_{\text{True}}$. Para os modelos específicos estudados (Modelo de Ising com Campo Transverso 1D e Modelo TFIM $J_1-J_2$ 2D), os autores selecionam operadores correspondentes aos termos presentes no Hamiltoniano verdadeiro (por exemplo, $\sum \sigma^x_i$ e $\sum \sigma^z_i \sigma^z_{i+1}$).
2. Medição: Durante a otimização do VQE, os valores esperados desses operadores e seus correlatores são medidos para construir uma matriz de covariância $Q(\bar{\theta})$.
3. Reconstrução: O autovetor correspondente ao menor autovalor desta matriz de covariância fornece os coeficientes $\{\tilde{c}_i\}$ para um Hamiltoniano reconstruído $\hat{H}_R = \sum \tilde{c}_i \hat{H}_i$. Se o estado variacional for um autoestado exato de $\hat{H}_{\text{True}}$, $\hat{H}_R$ deve ser igual a $\hat{H}_{\text{True}}$.
4. Cálculo da Métrica: A distância HR é definida como a distância $L_2$ entre o vetor de coeficientes do Hamiltoniano reconstruído e o vetor de coeficientes conhecido do Hamiltoniano verdadeiro:
   $$\Delta(\bar{\theta}) = \| \vec{\tilde{c}}(\bar{\theta}) - \vec{c} \|_2$$
   Crucialmente, este cálculo não requer conhecimento da energia do estado fundamental verdadeiro ou da função de onda do estado fundamental verdadeiro, apenas a estrutura do próprio Hamiltoniano.

Configuração Experimental e de Simulação
Os autores avaliaram a métrica de distância HR através de:

• Experimentos em Hardware Baseados em Nuvem: Utilizando o computador quântico de íons aprisionados Harmony da IonQ.
  • Sistema 1: Modelo de Ising com Campo Transverso 1D de 11 qubits (1D-TFIM).
  • Sistema 2: Modelo TFIM $J_1-J_2$ 2D de 6 qubits (rede $3 \times 2$).
  • Ansatz: Um Ansatz de Camadas Alternadas (ALA) foi utilizado para minimizar a contagem de portas CNOT e reduzir erros de preparação de estado.
• Simulações Numéricas: Simulações extensas foram conduzidas para analisar os efeitos do ruído de despolarização (erros de portas de 1 e 2 qubits) e ruído de disparo (shot noise) na distância HR e sua correlação com a fidelidade.

Resultados Principais

1. Diagnóstico de Convergência Prematura: Em ambos os modelos 1D e 2D, a distância HR identificou com sucesso casos onde a energia do VQE parecia ter convergido (atingido um platô), mas a solução era subótima. Nestes cenários, a distância HR permaneceu significativamente diferente de zero (por exemplo, flutuando em torno de 0,4 na simulação de 11 qubits), indicando corretamente que o estado não era o estado fundamental, enquanto a métrica de energia sugeria convergência.
2. Correlação com Fidelidade e Energia:
   • A distância HR mostrou uma forte correlação negativa com a fidelidade (sobreposição de estado) ao estado fundamental verdadeiro quando o VQE estava próximo da convergência.
   • Mostrou uma correlação positiva com a diferença de energia entre a solução do VQE e o estado fundamental verdadeiro.
   • Esta correlação manteve-se sob condições específicas: (1) a otimização do VQE estava próxima da convergência, (2) o gap de energia entre o estado fundamental e os primeiros poucos estados excitados era suficientemente grande, e (3) as fidelidades das portas eram suficientemente altas.
3. Sensibilidade ao Ruído:
   • Erros de Porta: À medida que as probabilidades de erro de portas de 1 e 2 qubits aumentavam, a correlação entre a distância HR e a fidelidade degradava. Em níveis altos de ruído, a distância HR tornou-se menos confiável como indicador independente de fidelidade.
   • Ruído de Disparo: Um grande número de disparos (aproximadamente $10^4$) foi necessário para alcançar uma relação sinal-ruído razoável para a medição da distância HR.
   • Gaps de Energia: Quando o gap de energia entre o estado fundamental e o primeiro estado excitado era pequeno, a distância HR perdeu sua especificidade, mostrando correlações negativas com a fidelidade aos estados excitados também, complicando o diagnóstico.
4. Comparação com Variância: Os autores compararam a distância HR com a variância do Hamiltoniano. Embora a variância também diminua à medida que a solução se aproxima do estado fundamental, seu intervalo depende do Hamiltoniano, tornando difícil definir limites de parada universais. Em contraste, a distância HR é normalizada entre 0 e 1, fornecendo uma métrica mais consistente entre diferentes Hamiltonianos.

Significado e Alegações
O artigo alega que a distância de reconstrução Hamiltoniana oferece uma métrica prática e experimentalmente acessível para avaliar o sucesso de algoritmos VQE em hardware NISQ sem exigir conhecimento prévio do estado fundamental verdadeiro ou da energia do estado fundamental.

• Utilidade Diagnóstica: Serve como uma ferramenta de diagnóstico para prevenir a parada prematura errônea de iterações do VQE, particularmente em casos onde os platôs de energia são enganosos.
• Eficiência: A métrica é eficiente para calcular, exigindo apenas um número polinomial de medições em relação ao número de termos no Hamiltoniano.
• Aplicação Futura: Os autores sugerem que a distância HR poderia ser incorporada em funções de custo multiobjetivo para otimização do VQE. Ao minimizar simultaneamente a energia e a distância HR, o VQE pode encontrar estados com maior fidelidade ao estado fundamental, mesmo que a energia seja idêntica, potencialmente mitigando problemas como platôs áridos.

Os autores mantêm um tom modesto, reconhecendo que a confiabilidade da métrica é contingente à fidelidade do hardware e aos gaps de energia, e que deve ser vista como uma ferramenta de diagnóstico complementar em vez de um substituto perfeito para o conhecimento do estado fundamental verdadeiro.