SCALAR: ШІ‑фреймворк аналізує параметри QAOA для MaxCut

Техаський університет A&M у партнерстві з Nvidia та Національною лабораторією Лос‑Аламоса представив SCALAR — фреймворк для аналізу зв’язків між параметрами Quantum Approximate Optimization Algorithm (QAOA) і структурою графів у задачі MaxCut. Система об’єднує симуляцію квантових схем на базі CUDA‑Q, генерацію символьних гіпотез модулем txGraffiti та велику мовну модель для інтерпретації й ранжування гіпотез. У роботі вказано, що мета SCALAR — висувати перевірювані припущення про вплив властивостей задачі на оптимальні параметри QAOA, а не доводити твердження чи замінювати експертів.

Перший етап перевірки охопив 82 задачі MaxCut з бенчмарку MQLib. Йшлося про малі незважені графи, для яких можливо отримати точний розв’язок повним перебором і порівняти його з результатами QAOA. Дослідники запускали QAOA глибиною p=1 і p=2. Для аналізу використовували такі характеристики графів: кількість вершин, середній ступінь, середній коефіцієнт кластеризації, хроматичне число та відношення максимальної незалежної множини. Для початкового групування застосували «структурний відбиток», що складався з кількості вершин, середнього ступеня, середнього коефіцієнта кластеризації і відношення максимальної незалежної множини. На цій вибірці SCALAR виділив 14 груп графів з ідентичними відбитками; у 13 із 14 груп оптимізовані параметри QAOA на малій глибині виявилися майже однаковими. У роботі підкреслено, що це емпіричне спостереження, а не формальний доказ.

Другий етап передбачав тестування на 2000 випадково згенерованих графах чотирьох топологій: регулярних, Ердеша-Реньї, Барабаші-Альберт і Воттса-Строгаца. На більшому наборі виявили меншу стабільність: однакові базові ознаки не гарантували подібні оптимальні параметри QAOA, а передбачуваність знижувалася зі збільшенням глибини схем. У роботі зазначено, що додавання додаткових ознак, наприклад стандартного відхилення ступеня вершин, може покращити розділення графів у простих випадках.

Результати отримані на симуляторах, а не на реальному квантовому обладнанні. Команда продемонструвала приклад запуску на 77 кубітах із застосуванням тензорного симулятора CUDA‑Q; у публікації вказано, що це одиничний приклад працездатності підходу, а не дослідження масштабованості. У роботі також зазначено, що вибір ознак, інтерпретація символьних гіпотез і оцінка їхньої значущості вимагають участі експертів, і SCALAR не працює повністю автономно.

У тексті окреслено можливі напрями подальшої роботи: розширення набору ознак для кращого розділення випадків, перевірка на ширшому наборі топологій та тестування на реальному квантовому обладнанні для оцінки масштабованості й стабільності запропонованих гіпотез.