Resumo Técnico: Análise de Fidelidade de Ponta a Ponta da Otimização de Circuitos Quânticos

Definição do Problema

A fidelidade das computações quânticas em dispositivos de Escala Intermediária com Ruído de Próxima Geração (NISQ) é limitada por erros de porta, decoerência e sobrecarga de compilação. Embora haja uma pesquisa significativa focada em passagens de otimização ao nível de porta (ex: otimização peephole, reescrita global), o impacto de ponta a ponta dessas transformações na fidelidade física ao nível de pulso permanece inadequadamente caracterizado. Comparações atuais de compiladores frequentemente dependem de métricas enganosas, como a contagem total de portas, que falham em distinguir entre operações de um único qubit e de dois qubits. Uma vez que as portas de dois qubits dominam o orçamento de erro em processadores supercondutores, reduções na contagem total de portas não se traduzem necessariamente em melhor desempenho de hardware. Além disso, as estratégias de otimização são frequentemente avaliadas isoladamente, ignorando a interação entre decisões ao nível de porta e a fidelidade de execução física.

Metodologia

Os autores apresentam o qco-integration, um framework de ponta a ponta que conecta um otimizador de circuitos C++ de alto desempenho a um modelo de fidelidade de Lindblad por porta. O sistema opera através de um pipeline de cinco estágios:

1. Parse e Validação: Circuitos de entrada em OpenQASM 3.0 são analisados (parsed) e validados.
2. Otimização: Um otimizador C++ aplica uma sequência configurável de quatro passagens: Cancelamento de Portas, Análise de Comutação, Fusão de Rotação e Eliminação de Identidade.
3. Roteamento: O algoritmo SABRE mapeia qubits lógicos para topologias de hardware físico (especificamente o layout heavy-hex do IQM Garnet), inserindo portas SWAP conforme necessário.
4. Compilação de Pulso: Portas nativas (PRX, CZ) são compiladas em sequências de pulsos de micro-ondas com durações calibradas (20 ns para um qubit, 40 ns para dois qubits).
5. Simulação: Um modelo de equação mestra de Lindblad por porta computa canais ruidosos. Diferente de simulações de circuito completo, esta abordagem resolve a equação em subespaços de um ou dois qubits para cada porta, compondo os resultados. O modelo inclui relaxação $T_1/T_2$, desfasamento puro e um canal de depolarização calibrado.

O framework foi avaliado em 371 circuitos de benchmark (GHZ, QFT, QAOA e Aleatórios) totalizando 4.452 execuções experimentais. O estudo incluiu:

• Estudos de Ablação: Avaliação de passagens individuais, análise de exclusão (leave-one-out) e testes de sensibilidade de ordenação de passagens.
• Comparação de Compiladores: Benchmarking do otimizador customizado (QCO) contra níveis de transpilação do Qiskit (L0–L3) visando tanto portas de base virtuais quanto nativas da IQM.
• Validação de Hardware: Execução de oito circuitos representativos no processador de 20 qubits IQM Resonance Garnet para comparar as previsões simuladas com a fidelidade medida.

Principais Contribuições

1. Arquitetura de Integração Modular: Um sistema desacoplado que conecta a otimização C++ com a análise de nível de pulso baseada em Python via OpenQASM e JSON.
2. Modelo de Fidelidade de Lindblad por Porta: Um modelo escalável que valida cruzadamente com o qiskit-dynamics e escala linearmente com a contagem de portas, permitindo a análise de grandes corpora de circuitos.
3. Estudo de Ablação Sistemático: Uma avaliação formal das passagens de otimização usando tamanhos de efeito de Cohen's $d$ e testes de Kruskal–Wallis para isolar contribuições e efeitos de ordenação.
4. Métricas Relevantes ao Hardware: Uma demonstração de que a contagem de portas de dois qubits, em vez da contagem total de portas, é a métrica apropriada para comparar a eficácia do compilador em hardware supercondutor.
5. Benchmarking de Hardware: Um benchmark provido do IQM Garnet (8/8 tarefas completadas) que quantifica a lacuna entre simulação e realidade.

Resultados

Eficácia da Otimização

• Dominância do Cancelamento: O cancelamento de portas é o principal motor de melhoria, removendo 3.780 portas ao longo do corpus e melhorando 72,0% dos circuitos. Ele representa um grande tamanho de efeito ($d=1.66$).
• Papel Marginal de Outras Passagens: Fusão de rotação, comutação e eliminação de identidade mostraram efeitos negligenciáveis isoladamente ($d < 0,2$).
• Ordenação de Passagens: A ordem das quatro passagens não tem efeito estatisticamente significativo nos resultados de otimização (Kruskal–Wallis $p=0,302$).

Preditores de Fidelidade

• Correlações Negativas: O tamanho do circuito (portas de entrada, $r=-0,78$) e a duração do pulso ($r=-0,73$) são os preditores negativos mais fortes da fidelidade de processo ($R^2=0,53$).
• Sensibilidade ao Ruído: O benefício relativo da otimização aumenta com a severidade do ruído, proporcionando uma melhoria de fidelidade relativa de 50% em regimes de ruído muito alto comparado a 8% em ruído baixo.

Comparação de Compiladores (QCO vs. Qiskit)

• Redução de Dois-Qubits: O QCO alcançou redução superior de portas de dois qubits em circuitos estruturados: 100% para QAOA e 87,8% para QFT. Em contraste, o Qiskit (L3) alcançou apenas 1,5% e 12,2%, respectivamente.
• Contagem Total de Portas Enganosa: O Qiskit L2/L3 mostrou alta redução de portas totais (47,7%), mas isso foi impulsionado pela consolidação de um único qubit ($u_3$), resultando em apenas 9,3% de redução de dois qubits.
• Circuitos Aleatórios: Para circuitos aleatórios não estruturados, o Qiskit-L3-IQM superou o QCO (16,0% vs. 3,2% de redução de dois qubits), destacando o valor de estratégias de otimização de propósito geral para cargas de trabalho não estruturadas.

Validação de Hardware

• Modelo como Limite Superior: O modelo de Lindblad consistentemente superestimou a fidelidade absoluta no hardware real em uma média de 0,49.
• Preservação de Ordenação: Apesar do deslocamento absoluto, o modelo preservou corretamente a ordenação de dificuldade relativa dos circuitos (ex: circuitos GHZ rasos mantiveram maior fidelidade do que circuitos QFT profundos).
• Orçamento de Erro: A lacuna quantifica fontes de erro não modeladas, incluindo crosstalk, vazamento (leakage) e erros de leitura/SPAM.

Significância e Alegações

O artigo afirma fornecer orientação concreta para o design de compiladores quânticos na era NISQ ao unir a otimização de portas abstratas à fidelidade física ao nível de pulso.

• Orientação Prática: Os autores concluem que os designers de compiladores devem priorizar o cancelamento de portas (que carrega quase todo o valor da otimização), relatar contagens de portas de dois qubits em vez de contagens totais e evitar o excesso de engenharia na ordenação de passagens.
• Especificidade de Domínio: Os resultados sugerem que compiladores de produção devem incorporar tanto passagens de propósito geral (efetivas para circuitos aleatórios) quanto estratégias específicas de domínio (essenciais para algoritmos estruturados como QFT e QAOA).
• Limitações do Modelo: Os autores declaram explicitamente que seu modelo é uma aproximação escalável que omite correlações entre portas e crosstalk. O benchmark de hardware serve para quantificar essa "lacuna de otimismo" em vez de validar valores absolutos de fidelidade.
• Trabalho Futuro: O artigo observa que estabelecer melhorias de otimização no hardware com poder estatístico suficiente requer trabalho futuro com mais shots e repetições, e que estender o framework para dispositivos adicionais e otimizadores de circuitos não estruturados é um próximo passo lógico.

O trabalho é disponibilizado como código aberto para facilitar o benchmarking reprodutível de compilação quântica.