[論文レビュー] Quantum Circuit Cutting for Classical Shadows

Daniel T. Chen, Zain H. Saleem+1 more|arXiv (Cornell University)|Dec 1, 2022

Quantum Mechanics and Applications参考文献 34被引用数 5

ひとこと要約

本論文は、量子回路カットと古典的シャドウトモグラフィーを組み合わせた分割統治フレームワークを導入し、高重みの観測量の期待値をより効率的に推定する。大きな回路を小さなサブ回路に分割し、各断片に対して古典的シャドウを推定した後、導出された式を用いてそれらを古典的に結合することで、リソース要件を低減し、固定のサンプル数で多数のキュービットに作用する観測量の正確な推定を可能にする。これは、大規模な観測量に対して、未カットのシャドウトモグラフィーを上回る性能を示す。

ABSTRACT

Classical shadow tomography is a sample-efficient technique for characterizing quantum systems and predicting many of their properties. Circuit cutting is a technique for dividing large quantum circuits into smaller fragments that can be executed more robustly using fewer quantum resources. We introduce a divide-and-conquer circuit cutting method for estimating the expectation values of observables using classical shadows. We derive a general formula for making predictions using the classical shadows of circuit fragments from arbitrarily cut circuits, and provide the sample complexity analysis for the case when observables factorize across fragments. Then, we numerically show that our divide-and-conquer method outperforms traditional uncut shadow tomography when estimating high-weight observables that act non-trivially on many qubits, and discuss the mechanisms for this advantage.

研究の動機と目的

• より少ない量子リソースを用いて、量子系における高重みの観測量の推定を効率的に行うことを目的とする。
• 大規模な観測量に対して、従来の古典的シャドウトモグラフィーの指数的リソーススケーリングの問題を解決することを目的とする。
• 回路カットと古典的シャドウトモグラフィーを統合する形式的枠組みを構築し、分散量子シミュレーションを可能とすることを目的とする。
• 期待値推定における有界な加法的誤差を保証するサンプル複雑度の境界を導出することを目的とする。
• 数値的検証を通じて、大規模な観測量に対して、本手法が未カットのシャドウトモグラフィーを上回ることを示すこと。

提案手法

• 本手法は、回路カットを用いて大規模な量子回路を、独立して実行可能な小さなサブ回路に分割し、カット部における量子状態の構造を保持する。
• 各回路断片に対して、ランダム化されたパウリ測定を用いて古典的シャドウを構築し、量子状態の効率的な古典的表現を可能にする。
• 全出力状態における観測量の期待値を推定するための、一般化された式を導出する。
• 複数のカットによる不確実性の増加を考慮し、カット数と断片サイズに比例するサンプル複雑度の境界を導出する。
• ランダム化と非ランダム化の両方のバージョンをサポートし、非ランダム化により、有限リソース下での統計的安定性が向上する。
• ショット数とカット数に基づいた加法的誤差の理論的境界を導出し、所望の加法的誤差に対して高い確率で精度を保証する。

実験結果

リサーチクエスチョン

• RQ1 回路カットを古典的シャドウトモグラフィーと統合することで、高重みの観測量推定に必要なリソースを削減可能か？
• RQ2 有界な加法的誤差で、断片化された回路の古典的シャドウを用いて観測量の期待値を推定するためのサンプル複雑度はどの程度か？
• RQ3 断片化は、特に多数のキュービットに非自明に作用する観測量に対して、シャドウトモグラフィーの精度にどのように影響するか？
• RQ4 未カットのシャドウトモグラフィーと比較して、断片化が性能向上をもたらす条件は何か？
• RQ5 与えられた回路と観測量に対して、誤差を最小化する最適な断片数が存在するか？

主な発見

• 提案手法により、固定の測定サンプル数で高重みの観測量を正確に推定可能であり、未カットのシャドウトモグラフィーでは実行不可能なほどのショット数を要する場合でも可能となる。
• 数値的結果から、断片化されたシャドウトモグラフィーは、大規模な観測量に対して従来のシャドウトモグラフィーを上回ることを示し、観測量の重みが高くなるほどその優位性が顕著になる。
• 小規模な観測量では、過剰な断片化により、複数のカットに起因する不確実性と断片あたりのショット数の減少により誤差が増加する。
• サンプル複雑度はカット数と断片サイズに比例し、理論的境界により、所望の加法的誤差に対して高い確率で精度が保証される。
• 非ランダム化されたバージョンは統計的安定性を向上させ、特に有限の計算リソース下では誤差を低減する可能性がある。
• 与えられた回路と観測量に対して、最適な断片数が存在すると考えられ、断片化の利点と誤差蓄積のトレードオフが存在する。