Constrained Counterdiabatic Quantum Approximate Optimization Algorithm for Portfolio Optimization

Resumo Técnico: Algoritmo Quântico Aproximado de Otimização com Contradiabaticidade Constrained para Otimização de Carteiras

Declaração do Problema
O artigo aborda o desafio de resolver problemas de otimização combinatória com restrições em hardware quântico de curto prazo, focando especificamente na otimização de carteiras. No framework de média-variância de Markowitz, o objetivo é equilibrar retornos esperados contra risco (covariância) enquanto se satisfaz uma restrição orçamentária rígida (selecionar exatamente $B$ ativos entre $N$).

Implementações padrão do Algoritmo Quântico Aproximado de Otimização (QAOA) enfrentam obstáculos significativos neste domínio:

1. Tratamento de Restrições: Misturadores de campo transversal padrão não preservam o peso de Hamming (o número de ativos selecionados), fazendo com que o algoritmo explore regiões inviáveis do espaço de Hilbert. Embora métodos baseados em penalidades imponham restrições, eles distorcem o espectro de energia e criam lacunas efetivas pequenas, dificultando a convergência.
2. Transições Diabáticas: Em circuitos rasos (baixa profundidade $p$), a interpolação entre os Hamiltonianos misturador e de custo é não adiabática. Isso leva a transições diabáticas que reduzem a sobreposição entre o estado preparado e o verdadeiro estado fundamental, particularmente em problemas com grafos de interação densos (matrizes de covariância) e escalas de energia concorrentes.
3. Paisagens de Otimização: A paisagem variacional para problemas com restrições é frequentemente difícil de navegar, sofrendo com platôs estéreis e convergência lenta do otimizador clássico.

Metodologia
Os autores propõem o QAOA com Contradiabaticidade Constrained (CCD-QAOA), que integra acionamento contradiabático (CD) ao framework do QAOA para suprimir transições diabáticas enquanto mantém a satisfação das restrições.

1. Misturador que Preserva Restrições: O algoritmo utiliza um misturador XY ($H_{XY}^M = \sum_{i<j} (X_i X_j + Y_i Y_j)$) e inicializa o sistema em um estado de Dicke (uma superposição igual de todos os estados com peso de Hamming $B$). Isso garante que a dinâmica permaneça estritamente dentro do subespaço viável de carteiras válidas.
2. Acionamento Contradiabático Variacional: Para contrabalançar as transições não adiabáticas inerentes à evolução de profundidade finita, os autores constroem um Potencial de Gauge Adiabático (AGP) aproximado.
   • Em vez de usar o AGP exato e não local, eles empregam um ansatz variacional baseado em comutadores aninhados do Hamiltoniano de custo ($H_C$) e do misturador ($H_{XY}^M$).
   • O comutador $[H_C, H_{XY}^M]$ gera naturalmente strings de Pauli de três corpos (por exemplo, $X_i Y_j Z_k - Y_i X_j Z_k$).
   • O ansatz de potencial de gauge resultante ($A_\lambda^*$) inclui tanto termos de dois corpos (da álgebra XY) quanto termos de três corpos derivados da expansão do comutador.
3. Construção do Circuito: O ansatz do CCD-QAOA amplia as camadas padrão do QAOA. Para profundidade $p$, o estado é preparado como:
   $$|\psi_{CD}\rangle = \prod_{k=1}^p e^{-i\eta_k H_{CD}} e^{-i\beta_k H_{XY}^M} e^{-i\gamma_k H_C} |D_B^N\rangle$$
   Aqui, $H_{CD}$ é gerado pelos operadores de potencial de gauge truncados, e $\eta_k$ são novos parâmetros variacionais otimizados classicamente.
4. Otimização: Os coeficientes para o potencial de gauge são determinados minimizando a norma de Frobenius do operador $G(A_\lambda) = \partial_\lambda H + i[A_\lambda, H]$. Os parâmetros variacionais ($\gamma, \beta, \eta$) são otimizados para minimizar o valor esperado do Hamiltoniano de custo, usando o Valor em Risco Condicional (CVaR) como função objetivo para focar em soluções de alta qualidade.

Contribuições Principais

• Construção Sistemática de Operadores CD: O artigo fornece um método principiado para gerar operadores contradiabáticos fisicamente relevantes para problemas com restrições, explorando a álgebra de operadores estruturada entre o Hamiltoniano de custo e o misturador que preserva restrições.
• Estratégia de Truncamento: Os autores demonstram que truncar o potencial de gauge para termos de três corpos oferece uma compensação favorável entre expressividade e complexidade do circuito. Eles mostram que esses termos capturam as correções de ordem principal necessárias para lidar com a rotação de base correlacionada induzida pelo misturador XY e interações de Ising densas.
• Avaliação de Desempenho: O trabalho avalia o CCD-QAOA contra formulações padrão de QAOA com misturador XY, QAOA com misturador de Grover e QAOA baseado em penalidades.

Resultados
Simulações numéricas em instâncias de carteira geradas aleatoriamente ($N=12$, $B=4$) com matrizes de covariância densas produziram o seguinte:

• Razões de Aproximação Melhoradas: Para uma profundidade de circuito fixa $p$, a abordagem CCD-QAOA alcança consistentemente razões de aproximação mais altas em comparação com QAOA padrão com misturador XY, QAOA com misturador de Grover e métodos baseados em penalidades.
• Probabilidade de Sucesso: Embora a inclusão de termos CD de três corpos introduza um pequeno vazamento para o subespaço inviável (reduzindo a probabilidade de sucesso em comparação com um QAOA com misturador XY puro, que permanece em 1,0), o CCD-QAOA ainda supera as abordagens baseadas em penalidades em termos de probabilidade de sucesso.
• Compensações: O desempenho aprimorado vem com complexidade de circuito aumentada. A abordagem CD requer parâmetros variacionais adicionais e resulta em contagens de portas CNOT mais altas e profundidades de circuito transpiladas maiores em comparação com o QAOA padrão. No entanto, permanece mais escalável do que abordagens com misturador de Grover.
• Sensibilidade ao CVaR: Os resultados indicam que valores menores de CVaR (focando na cauda da distribuição) geralmente produzem melhores razões de aproximação em todos os métodos.

Significado e Alegações
Os autores afirmam que seu trabalho estabelece um framework unificador para melhorar o desempenho do QAOA em paisagens de otimização estruturadas. O significado principal reside em demonstrar que:

1. Problemas com restrições possuem álgebras de operadores estruturadas que podem ser exploradas para construir ansätze contradiabáticos eficientes, indo além do design heurístico.
2. Correções contradiabáticas podem sistematicamente melhorar as razões de aproximação no regime de circuitos rasos, suprimindo transições diabáticas, mesmo quando as restrições são estritamente impostas por misturadores.
3. A conexão entre potenciais de gauge adiabáticos e circuitos quânticos variacionais fornece um caminho para identificar os geradores mais fisicamente relevantes (neste caso, termos de três corpos) necessários para navegar em paisagens de energia complexas sem exigir circuitos proibitivamente profundos.

O artigo conclui que, embora o método introduza sobrecarga clássica e quântica, a melhoria sistemática na qualidade da solução para otimização de carteiras com restrições sugere um caminho viável para otimização quântica aprimorada em dispositivos de curto prazo, particularmente quando combinado com estratégias como inicialização quente ou seleção adaptativa de operadores.