[论文解读] Reductions of QAOA Induced by Classical Symmetries: Theoretical Insights and Practical Implications

Boris Tsvelikhovskiy, Bao Bach+2 more|arXiv (Cornell University)|Feb 18, 2026

Quantum Computing Algorithms and Architecture被引用 0

一句话总结

本文表明在 QAOA 中利用经典对称性可以显著改变相关的动力李代数，从而实现对称性感知的约简，这取决于图结构可提高可训练性或表达能力。

ABSTRACT

The performance of the Quantum Approximate Optimization Algorithm (QAOA) is closely tied to the structure of the dynamical Lie algebra (DLA) generated by its Hamiltonians, which determines both its expressivity and trainability. In this work, we show that classical symmetries can be systematically exploited as a design principle for QAOA. Focusing on the MaxCut problem with global bit-flip symmetry, we analyze reduced QAOA instances obtained by fixing a single variable and study how this choice affects the associated DLAs. We show that the structure of the DLAs can change dramatically depending on which variable is held fixed. In particular, we construct explicit examples where the dimension collapses from exponential to quadratic, uncovering phenomena that do not appear in the original formulation. Numerical experiments on asymmetric graphs indicate that such reductions often produce DLAs of much smaller dimension, suggesting improved trainability. We also prove that any graph can be embedded into a slightly larger one (requiring only quadratic overhead) such that the standard reduced DLA coincides with the free reduced DLA, in most cases implying exponential dimension and irreducibility on the Hilbert space for reduced QAOA instances. These results establish symmetry-aware reduction as a principled tool for designing expressive and potentially trainable QAOA circuits.

研究动机与目标

• 通过动态李代数（DLA）将对称性约简作为 QAOA 的设计原则进行动机阐述和形式化
• 用全局按位翻转对称性分析 MaxCut 以研究固定一个位所产生的 Reduced QAOA 实例
• 在何时标准的 Reduced DLA 与自由 Reduced DLA 一致进行表征，并识别驱动此等价性的图结构
• 展示理论保证和数值证据，表明对称性约简可降低 DLA 的维度并影响可训练性
• 提出基于 DLA 的诊断来选择有利的对称性约简的实际指南

提出的方法

• 对应用于 MaxCut 的 QAOA 在全局按位翻转对称性下定义标准 DLA 和 Reduced DLA
• 证明充分条件（沿距离增加的路径的奇偶性分离）使标准 Reduced DLA 包含自由 Reduced DLA，从而实现两者一致
• 构建具有二次开销的图扩展，确保标准 DLA 与自由 Reduced DLA 一致
• 分析显式图族（无环、路径、循环、星形）和 Grover-混合子 QAOA 以比较 DLA 结构
• 在非对称图（6–7 顶点；用于更大规模探测的 11–15 顶点）上进行数值实验以比较 DLA 维度和损失方差代理
• 将 DLA 维度与 QAOA 损失方差相关以评估可训练性的影响

实验结果

研究问题

• RQ1 在 MaxCut 的对称性约简下，标准 Reduced DLA 何时等于自由 Reduced DLA？
• RQ2 固定一个顶点如何影响 Reduced QAOA 的 DLA 与希尔伯空间表达性？
• RQ3 图扩展是否能够在保持最优 MaxCut 解的同时使标准与自由 Reduced DLA 对齐？
• RQ4 哪些图结构会导致 Reduced DLA 维度的指数增长与二次增长？
• RQ5 对称性约简是否在经验上改善梯度方差从而提升可训练性而不牺牲解的质量？

主要发现

• 基于对称性的约简可以显著改变 DLA 结构，有时将维度从指数级降至二次级
• 存在图扩展使标准与自由 Reduced DLA 在只有二次开销且保持最优解的情况下一致
• 对于许多连通且非二分图，Reduced Free DLA 可能同构于 su(Wv)，即Reduced空间上的全单位ary
• 某些图在选择的顶点处显示出全 DLA 的指数增长而 Reduced DLA 的二次增长，呈现显著的动力学简化
• 数值实验表明 Reduced QAOA 往往比未约简的电路具有更高的损失方差代理，暗示在不损失解的质量前提下可提高可训练性
• 在 Grover-混合子 QAOA 的情形中，标准与 Reduced DLA 仍然保持可预测的结构（su(r) ⊕ u(1) ⊕ u(1)）。