Pauli-Sparse regularised Counterdiabatic Shortcuts for Linear-Ramp QAOA

Resumo Técnico: Regularização de Contra-diabática de Pauli-Esparsa para Atalhos de Rampa Linear em QAOA

Enunciado do Problema
A otimização combinatória via Algoritmo de Otimização Aproximada Quântica (QAOA) enfrenta um compromisso crítico entre eficiência de parâmetros e precisão dinâmica. O QAOA de rampa linear (LR-QAOA) reduz a carga de otimização clássica ao restringir os ângulos das camadas a seguir um cronograma inspirado na adiabática com poucos parâmetros. No entanto, para Hamiltonianos com lacunas espectrais pequenas ou exponencialmente pequenas, a evolução adiabática em tempo finito sofre de transições diabáticas intensas, fazendo com que o sistema escape do manifesto de baixa energia desejado. Embora o acionamento contra-diabático (CD) ofereça um método principiado para suprimir essas transições através da adição de um termo de correção derivado do Potencial de Gauge Adiabático (AGP), as abordagens padrão frequentemente exigem operadores densos ou ansatzes pré-especificados que são inviáveis sob orçamentos finitos de portas. Além disso, os AGPs exatos para problemas de otimização difíceis muitas vezes envolvem resolver divisões de energia microscópicas e exponencialmente pequenas dentro de um manifesto de baixa energia, o que é computacionalmente caro e potencialmente desnecessário para encontrar uma solução de alta qualidade.

Metodologia
Os autores propõem um framework para construir uma extensão contra-diabática de Pauli-esparsa e regularizada para o LR-QAOA. A metodologia central consiste em resolver a equação do AGP regularizado diretamente na base de Pauli sem formar a matriz Liouvilliana densa completa.

1. Equação do AGP Regularizado: O método resolve o sistema linear $(\mathcal{L}_H^2 + \eta I) A_\lambda^{(\eta)} = -i \mathcal{L}_H(G)$, onde $\mathcal{L}_H(X) = [H, X]$ é o superoperador de comutador, $G = \partial_\lambda H$, e $\eta > 0$ é um parâmetro de regularização. Esta equação é derivada da minimização de um funcional regularizado que equilibra o cancelamento de transições diabáticas contra a norma do potencial.
2. Mecanismo de Resolução de Energia: O parâmetro $\eta$ atua como uma escala de resolução de energia. Ele suprime transições associadas a diferenças de energia $|\omega| \ll \sqrt{\eta}$ enquanto retém aquelas com $|\omega| \gg \sqrt{\eta}$. Isso permite que o método ignore divisões exponencialmente pequenas dentro de um manifesto de baixa energia alvo (evitando a necessidade de seguir adiabaticamente de forma exata) enquanto ainda previne o vazamento para estados excitados de maior energia.
3. Solver de Gradiente Conjugado (CG) Inexato: Em vez de computar um AGP denso e comprimi-lo, os autores empregam um método de gradiente conjugado inexato em coordenadas de Pauli.
   • Aplicação Livre de Matriz (Matrix-Free): O operador $(\mathcal{L}_H^2 + \eta I)$ é aplicado simbolicamente usando comutadores de Pauli, evitando a construção da matriz de $4^n$ dimensões.
   • Truncamento: Durante as iterações do CG, a expansão de Pauli é truncada para reter apenas os $m$ maiores coeficientes (truncamento de magnitude). Isso transforma o solver linear em um procedimento de descoberta de suporte, identificando um conjunto de rotações de Pauli implementáveis e consciente do orçamento de portas.
   • Recomputação de Resíduo: Para evitar o acúmulo de erro decorrente do truncamento, o resíduo é recomputado exatamente em cada etapa, em vez de ser atualizado recursivamente.
4. Refit de Galerkin e Certificação: Uma vez que um suporte esparso é descoberto, um refit de Galerkin é realizado para otimizar os coeficientes sobre este suporte específico. A qualidade da aproximação é certificada a posteriori usando um limite de resíduo: $\|A - A_\lambda^{(\eta)}\|_{HS} \leq \|R\|_{HS} / \eta$, onde $R$ é o resíduo do sistema linear. Isso fornece um limite de erro computável sem a necessidade de conhecimento da solução exata.
5. Integração de Circuito: O gerador de Pauli esparso resultante é inserido no circuito LR-QAOA como uma camada contra-diabática. A otimização variacional é realizada sobre um conjunto reduzido de parâmetros: as amplitudes de rampa $(\Delta\beta, \Delta\gamma)$ e a amplitude contra-diabática $\Delta_{CD}$.

Principais Contribuições

• Solução Direta em Coordenadas de Pauli: Diferente de trabalhos anteriores de CD-QAOA que prescrevem ansatzes (ex: termos locais, comutadores aninhados) ou computam AGPs densos, este trabalho resolve a equação do AGP regularizado diretamente em coordenadas de Pauli, aproximando simultaneamente o potencial e selecionando um conjunto esparso de rotações implementáveis.
• Regularização como Filtro Físico: O artigo reformula o parâmetro de regularização $\eta$ não meramente como um estabilizador numérico, mas como um filtro físico que suprime transições abaixo de uma escala de energia específica. Isso é particularmente eficaz para problemas de otimização onde o objetivo é permanecer dentro de um manifesto de baixa energia em vez de rastrear um único autoestado através de lacunas exponencialmente pequenas.
• Pipeline de Álgebra Linear Esparsa: Os autores desenvolvem um pipeline completo combinando comutadores simbólicos livres de matriz, CG truncado para descoberta de suporte, refit de Galerkin para otimização de coeficientes e certificação de erro baseada em resíduos. Esta abordagem importa ideias de métodos de Krylov inexatos para o contexto de controle quântico.
• Garantias Teóricas: O artigo fornece limites rigorosos sobre a distância entre os potenciais regularizado e não regularizado, o número de condição do sistema linear e o erro da aproximação esparsa em relação à solução regularizada exata.

Resultados
Experimentos numéricos foram conduzidos em instâncias de Cadeia Ferromagnética (FC) e instâncias perturbadas de FC–MaxCut/MarketSplit:

• Validação FC: Em instâncias FC, o LR-QAOA padrão mostrou desempenho insatisfatório conforme o tamanho do sistema aumentava, falhando em alcançar o manifesto ordenado. O proposto LR-CD-QAOA com AGP exato alcançou altas probabilidades de manifesto ordenado ($P_{ord} \approx 0.9$) mesmo em profundidades baixas. Crucialmente, o método permaneceu robusto através de uma gama de valores de $\eta$, confirmando que não precisa resolver a divisão do estado fundamental exponencialmente pequena para suprimir o vazamento para estados excitados.
• Convergência do CG Esparso: Experimentos demonstraram que um pequeno número de iterações de CG ($K \approx 4$) e um orçamento de suporte de Pauli moderado ($m=64$) foram suficientes para recuperar a maior parte dos benefícios do AGP denso. A razão de aproximação melhorou monotonicamente com o número de iterações e o tamanho do suporte.
• Instâncias Misturadas (Blended): Em instâncias de MaxCut e MarketSplit perturbadas (onde o Hamiltoniano é dominado pelo componente FC), o LR-CD-QAOA superou significativamente o LR-QAOA não corrigido. Enquanto o LR-QAOA permaneceu longe do ótimo mesmo em profundidade $p=8$, a versão corrigida por CD alcançou razões de aproximação próximas ao ótimo exato em profundidades moderadas.

Significância
O artigo afirma que este framework amplia substancialmente a aplicabilidade prática do QAOA para otimização QUBO. Ao melhorar a robustez através de paisagens de problemas heterogêneas — especificamente aquelas com estruturas de baixa energia quase degeneradas e lacunas espectrais pequenas — o método aborda um gargalo primário na otimização quântica de curto prazo. Ele oferece um caminho para implementar acionamento contra-diabático eficaz em hardware quântico com orçamentos de portas limitados, indo além das limitações de rampas lineares que são eficientes em parâmetros, mas ineficientes dinamicamente. O trabalho estabelece um paradigma de otimização híbrida onde técnicas clássicas de álgebra linear esparsa são usadas para construir circuitos quânticos que são dinamicamente adaptados às propriedades espectrais específicas do Hamiltoniano do problema.