Circuit du mois 22 janvier : un circuit variationnel efficace sur le plan matériel

Dans le cas d'une molécule, le hamiltonien décrit les interactions entre tous les électrons et les noyaux.

Le calcul des énergies d'un hamiltonien moléculaire, et en particulier de son état fondamental, nous permet de comprendre les propriétés chimiques d'une molécule. Le hamiltonien moléculaire étant intrinsèquement quantique, l'informatique quantique peut être utilisée pour calculer efficacement ces propriétés en exploitant les mêmes effets quantiques dans des algorithmes quantiques appropriés. Cela se fait en trois étapes :

1. Calcul de l'hamiltonien moléculaire pour la molécule souhaitée.
2. Générer un circuit quantique variationnel approprié pour calculer l'état fondamental de l'hamiltonien. Aujourd'hui, nous allons nous concentrer sur cette étape et montrer comment créer un circuit variationnel.
3. Exécution du circuit quantique souhaité dans le cadre d'un algorithme hybride quantique-classique.

L'état fondamental d'un hamiltonien est trouvé en utilisant un circuit quantique variationnel approprié (généralement appelé Ansatz), puis en le combinant avec un optimiseur classique pour trouver la valeur minimale de l'espérance de l'hamiltonien. Dans les dispositifs de l'ère NISQ, des circuits quantiques courts et adaptés au matériel sont préférés, afin de réduire le bruit et d'obtenir de meilleurs résultats.

Dans l'exemple suivant, nous montrons comment générer un Ansatz efficace sur le plan matériel, c'est-à-dire un Ansatz qui est généré pour s'adapter à un matériel spécifique.

Dans cet exemple, nous utiliserons un matériel à 4 qubits, avec une connectivité totale.

En utilisant le modèle textuel de Classiq, le code ressemble à ceci :

{
    "quantum_circuit_constraints": {
        "max_depth": 100,
        "max_width": 4,
        "logic_flow": [
            {
                "function": "HardwareEfficientAnsatz",
                "function_params": {
                    "num_qubits": 4,
                    "connectivity_map": [
                        [0,1],
                        [0,2],
                        [0,3],
                        [1,2],
                        [1,3],
                        [2,3]
                    ],
                    "reps": 2
                }
            }
        ]
    }
}

Il est également possible de synthétiser le même circuit en utilisant le SDK Python de Classiq :

from classiq import ModelDesigner
from classiq.builtin_functions import HardwareEfficientAnsatz

NUM_QUBITS = 4
FULLY_CONNECTED_MESH = [ [0, 1], [0, 2], [0, 3], [1, 2], [1, 3], [2, 3] ]
hwea_params = HardwareEfficientAnsatz(
    num_qubits=NUM_QUBITS,
    connectivity_map=FULLY_CONNECTED_MESH,
    reps=2
)
model_designer = ModelDesigner()
model_designer.HardwareEfficientAnsatz(params=hwea_params)
generation_result = model_designer.synthesize()

Voici le circuit de sortie obtenu :

‍