[論文レビュー] A framework for algorithm deployment on cloud-based quantum computers

Sukin Sim, Yudong Cao+3 more|arXiv (Cornell University)|Oct 24, 2018

Quantum Computing Algorithms and Architecture被引用数 11

ひとこと要約

この論文は、クラウドベースの量子コンピュータ上で適応的ハイブリッド量子古典的（AHQC）アルゴリズムを展開およびプロトタイピングするためのモジュール型で高水準なフレームワーク、algo2qpuを紹介する。低レベルのハードウェア詳細を抽象化し、古典的最適化によるパラメータチューニングを簡素化することで、NISQ時代のアルゴリズム（例えば変分量子分類器や量子オートエンコーダー）の効率的開発と最適化を可能にし、RigettiのForestプラットフォーム上で測定可能な忠実度および分類精度の向上を実証した。

ABSTRACT

In recent years, the field of quantum computing has significantly developed in both the improvement of hardware as well as the assembly of various software tools and platforms, including cloud access to quantum devices. Unfortunately, many of these resources are rapidly changing and thus lack accessibility and stability for robust algorithm prototyping and deployment. Effectively leveraging the array of hardware and software resources at a higher level, that can adapt to the rapid development of software and hardware, will allow for further advancement and democratization of quantum technologies to achieve useful computational tasks. As a way to approach this challenge, we present a flexible, high-level framework called algo2qpu that is well-suited for designing and testing instances of algorithms for near-term quantum computers on the cloud. Algorithms that employ adaptive protocols for optimizations of algorithm parameters can be grouped under the umbrella of "adaptive hybrid quantum-classical" (AHQC) algorithms. We demonstrate the utility of algo2qpu for near-term algorithm development by applying the framework to implement proof-of-principle instances of two AHQC algorithms that have applications in quantum chemistry and/or quantum machine learning, namely the quantum autoencoder and the variational quantum classifier, using Rigetti Computing's Forest platform.

研究の動機と目的

• 量子ソフトウェアおよびハードウェアエコシステムの不安定さと急速な進化に対処するため、堅牢なアルゴリズムプロトタイピングを可能にする柔軟で高水準なフレームワークを構築すること。
• クラウドベースの量子プロセッサ上で適応的ハイブリッド量子古典的（AHQC）アルゴリズムの開発とテストを簡素化し、低レベルのハードウェア固有の詳細に依存しなくなるようにすること。
• Rigettiの8Q-Agaveデバイス上で量子オートエンコーダーと変分量子分類器の実用的実装を通じて、フレームワークの実用性を示すこと。
• 実際の量子回路実行からのフィードバックを活用して、研究者が繰り返し量子回路設計を改善し、アルゴリズムのパフォーマンスを向上させることを可能にすること。
• プラットフォーム固有の複雑さを抽象化し、クロスプラットフォーム互換性を実現することで、量子コンピューティングの民主化とスケーラビリティを支援すること。

提案手法

• algo2qpuフレームワークは、量子回路の構築とパラメータ最適化をモジュール型で再利用可能なコンponentsに抽象化し、アルゴリズム論理とハードウェア固有の詳細を分離する。
• エネルギー、忠実度、尤度などの目的関数を最小化または最大化するため、Nelder-Meadなどの古典的最適化ルーチンを用いて、量子回路内の変分パラメータをチューニングする。
• 回路生成、パラメータ最適化、クラウドアクセス可能な量子ハードウェアまたはシミュレータ上での実行を含む、エンドツーエンドの実行パイプラインをサポートする。
• RigettiのForestプラットフォームなど、既存の量子ソフトウェアスタックと統合され、実デバイスおよびシミュレータへのシームレスなデプロイメントを可能にする。
• 測定結果の分析と実験的フィードバックに基づくパラメータ調整を通じて、量子回路の反復的改善を可能にする。
• 特定のゲートをコンテキスト設定パラメータとして扱うなど、より高水準な抽象化をサポートし、最適化と回路解釈の効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 急速に進化するクラウドベースの量子ハードウェアおよびソフトウェアスタックの複雑さを抽象化する高水準なソフトウェアフレームワークは、どのように設計できるか？
• RQ2 モジュール型フレームワークは、適応的ハイブリッド量子古典的アルゴリズムのプロトタイピングにおける効率性と再現可能性をどの程度向上できるか？
• RQ3 algo2qpuフレームワークは、実際のNISQデバイス上で量子オートエンコーダーと変分量子分類器を効果的に実装・最適化できるか？
• RQ4 実際の量子回路実行からのフィードバックは、回路設計とパラメータ最適化をどのように改善するか？
• RQ5 古典的最適化によるパラメータチューニングは、量子機械学習および量子化学タスクにおける高忠実度の結果を達成するために果たす役割は何か？

主な発見

• algo2qpuフレームワークは、Rigettiの8Q-Agaveデバイス上で変分量子分類器の実装と最適化に成功し、XOR型のデータセットを正確に分類した。
• Nelder-Meadアルゴリズムを用いた最適化により、分類器のパフォーマンスが向上し、最適なパrameter設定が $ w_0 = \pi/2 $ であると特定され、XOR型の意思決定境界を捉える確率式が得られた。
• フレームワークは、パラメータ $ w_1 $ が上位のキュービットの測定結果に影響しないことを示し、これにより測定コンテキストパラメータとして扱えるようになり、最適化のための地形が単純化された。
• 確率 $ p_1 $ の明示的計算により、項 $ \sin(\theta_0)\cos(\theta_1) $ が、異なる象限で極値に逆符号を割り当てることで、望ましいXOR型の挙動を生成することが確認された。
• 量子デバイス上で繰り返しテストした結果、回路はシフトされたXORデータセットを完璧に分類でき、実験的フィードバックが回路改善を導くことができることが示された。
• フレームワークは、RigettiのQuantum Cloud Servicesを含む、更新された量子プラットフォームとも互換性を保ち、ハードウェアおよびソフトウェアの進化にもかかわらず長期的な有用性を確保している。