[論文レビュー] Noise reduction using past causal cones in variational quantum algorithms

Omar Shehab, Isaac H. Kim+6 more|arXiv (Cornell University)|Jun 2, 2019

Quantum Computing Algorithms and Architecture参考文献 41被引用数 6

ひとこと要約

本稿では、各観測量の過去因果コーン（PCC）を用いて簡略化されたアーサンツ回路を構築することで、変分量子アルゴリズムにおけるノイズ低減技術を提案する。これにより、回路の深さとキュービット数を削減できる。この手法は、捕手結合エネルギーの計算で約27%、ドラゴングラフT3,2におけるMAXCUT問題で約40%の精度向上を達成し、測定回数を最大78%まで削減した。実験ではトラップドアイオントラップ量子コンピュータ上で優れた性能を示した。

ABSTRACT

We introduce an approach to improve the accuracy and reduce the sample complexity of near term quantum-classical algorithms. We construct a simpler initial parameterized quantum state, or ansatz, based on the past causal cone of each observable, generally yielding fewer qubits and gates. We implement this protocol on a trapped ion quantum computer and demonstrate improvement in accuracy and time-to-solution at an arbitrary point in the variational search space. We report a $\sim 27\%$ improvement in the accuracy of the calculation of the deuteron binding energy and $\sim 40\%$ improvement in the accuracy of the quantum approximate optimization of the MAXCUT problem applied to the dragon graph $T_{3,2}$. When the time-to-solution is prioritized over accuracy, the former requires $\sim 71\%$ fewer measurements and the latter requires $\sim 78\%$ fewer measurements.

研究の動機と目的

• . 本稿の目的は、VQE や QAOA などのニアテーム量子アルゴリズムにおけるノイズ低減と精度向上を図ることである。
• . 本稿は、変分量子アルゴリズムにおける高い回路複雑性と大きな測定オーバーヘッドという課題に取り組む。
• . 目的は、回路の深さとパラメータ空間を最小限に抑えつつ、解の忠実度を維持または向上させることである。
• . 本研究は、アーサンツ最適化を通じて NISQ デバイスにおける時間対解法とサンプル効率を向上させることを目的としている。

提案手法

• . 本手法は、ハミルトニアン内の各観測量項の過去因果コーン（PCC）を用いて、縮小されたアーサンツを構築する。
• . PCC は、特定の観測量の期待値に影響を与える可能性があるすべてのゲートを特定するため、回路の刈り込みが可能になる。
• . 本手法は、全アーサンツを置き換える形で、各観測量項に特化した小型で局所化された回路の集合を用いる。
• . 本手法は、量子回路の因果構造を活用して、影響を及ぼさないゲートとキュービットを削除する。
• . 本手法は、トラップドアイオンハードウェアを用いて、VQE（捕手結合エネルギー）および QAOA（T3,2 における MAXCUT）に適用された。
• . ゲートカウントとエラーを最小限に抑えるために、標準ゲートをネイティブなトラップドアイオン操作に変換する最適化された物理ゲート分解が用いられた。

実験結果

リサーチクエスチョン

• RQ1 . 過去因果コーンを用いて、変分量子アルゴリズムにおける精度向上を実現する縮小アーサンツを構築できるか？
• RQ2 . 縮小アーサンツアプローチは、VQE や QAOA における測定回数を削減できるか？
• RQ3 . PCC を用いたアーサンツは、元のアーサンツと比較して、時間対解法とエネルギー期待値の精度においてどのように異なるか？
• RQ4 . 本手法は、NISQ デバイスにおけるノイズ低減と忠実度向上にどの程度寄与するか？
• RQ5 . PCC を用いたアプローチは、異なる量子アルゴリズムやハードウェアプラットフォームに一般化可能か？

主な発見

• . PCC を用いた縮小アーサンツは、元の VQE と比較して、捕手結合エネルギーの計算精度を約27%向上させた。
• . ドラゴングラフ T3,2 における MAXCUT 問題では、本手法により元の QAOA と比較して約40%の精度向上が達成された。
• . 時間対解法を最適化した場合、捕手問題では測定回数が約71%、MAXCUT 問題では約78%削減された。
• . 最適化された物理回路はゲート数を削減し、ゲート忠実度を向上させ、アルゴリズム性能の向上に寄与した。
• . 本手法は VQE と QAOA の両方で一貫した改善を示し、変分量子アルゴリズムへの広範な適用可能性を示した。
• . トラップドアイオン量子コンピュータでの実験結果は、PCC を用いたアーサンツの理論的利点が実世界の NISQ ハードウェアでも裏付けられていることを確認した。