Fattibilità e recupero dell’ottimo nell’ottimizzazione quantistica warm-start per un modello di risposta ai farmaci su un processore a ioni intrappolati

Abstract degli autori

Su un modello di risposta ai farmaci con sette composti, il quantum approximate optimization algorithm (QAOA) warm-start su IonQ Forte-1 ha restituito assegnazioni valide più spesso di stringhe di bit casuali, ma questo da solo non dimostrava un’ottimizzazione efficace. Il QAOA ideale ha aumentato la probabilità di ottenere l’ottimo rispetto al campionamento uniforme delle assegnazioni ammissibili in soli quattro dei dodici circuiti di riferimento. L’hardware ha spesso ottenuto risultati inferiori a quelli dei propri circuiti ideali senza rumore, mentre la ricerca greedy ha risolto tutti i modelli hardware entro 200 valutazioni della funzione obiettivo. Simulazioni estese hanno mostrato un vantaggio rispetto al campionamento delle assegnazioni ammissibili in 28 dei 35 pannelli CAMA-1 e in nessuno dei quattro pannelli 647-V. L’annealing ha risolto tutti questi pannelli con ogni seed. Un mixer di Grover ha mantenuto l’ammissibilità e migliorato la probabilità di ottenere l’ottimo rispetto al campionamento delle assegnazioni ammissibili in tutti e dieci i modelli testati. Abbiamo analizzato 25 task completati, con 5.300 shot provenienti da 18 circuiti e 14 istanze. Le codifiche usano da 6 a 35 qubit e al massimo 4.900 assegnazioni ammissibili, che abbiamo enumerato per stabilire gli ottimi esatti. I riferimenti senza rumore coprono ora sia i sei circuiti originali sia sei circuiti più estesi. Nel caso a 35 qubit, con 4.900 assegnazioni ammissibili, la probabilità ideale di ottenere assegnazioni ammissibili era del 35,85%, contro 7 risultati hardware validi su 200. La probabilità ideale di ottenere l’ottimo era inferiore a quella di entrambi i controlli di campionamento. I circuiti campionano assegnazioni in un modello costruito sulla base di risposte misurate di singoli agenti e di coppie.