[論文レビュー] Quantum Computational Advantage via 60-Qubit 24-Cycle Random Circuit Sampling

Qingling Zhu, Sirui Cao+51 more|arXiv (Cornell University)|Sep 8, 2021

Quantum Computing Algorithms and Architecture参考文献 2被引用数 14

ひとこと要約

この論文は、Zuchongzhi 2.1超伝導量子プロセッサを用いて、60キュービット、24サイクルのランダム回路サンプリングを実現し、線形クロスエントロピーベンチマーク忠実度が $3.66 \times 10^{-4}$ に達した。これは古典的シミュレーションの可能性を著しく上回り、Summitスーパーコンピュータがシミュレートするのに48,000年かかるタスクであり、古典的シミュレーションの難易度が従来のシステムと比べ5000倍向上したことを確認した。

ABSTRACT

To ensure a long-term quantum computational advantage, the quantum hardware should be upgraded to withstand the competition of continuously improved classical algorithms and hardwares. Here, we demonstrate a superconducting quantum computing systems extit{Zuchongzhi} 2.1, which has 66 qubits in a two-dimensional array in a tunable coupler architecture. The readout fidelity of extit{Zuchongzhi} 2.1 is considerably improved to an average of 97.74\%. The more powerful quantum processor enables us to achieve larger-scale random quantum circuit sampling, with a system scale of up to 60 qubits and 24 cycles. The achieved sampling task is about 6 orders of magnitude more difficult than that of Sycamore [Nature extbf{574}, 505 (2019)] in the classic simulation, and 3 orders of magnitude more difficult than the sampling task on extit{Zuchongzhi} 2.0 [arXiv:2106.14734 (2021)]. The time consumption of classically simulating random circuit sampling experiment using state-of-the-art classical algorithm and supercomputer is extended to tens of thousands of years (about $4.8 imes 10^4$ years), while extit{Zuchongzhi} 2.1 only takes about 4.2 hours, thereby significantly enhancing the quantum computational advantage.

研究の動機と目的

• 古典的シミュレーションの限界を超える大規模なランダム回路サンプリングを通じて、量子計算的優位性を示すこと。
• 量子回路の深さとキュービット数を拡大し、ヒルバート空間次元を $2^{60}$ にまで拡大することで、シミュレーションの難易度を高めること。
• クロスエントロピーベンチマークと古典的シミュレーションコスト推定を用いて、Zuchongzhi 2.1プロセッサの性能を検証すること。
• 将来のNISQ時代の応用分野（例：認証付きランダムネス、誤り低減）のベンチマークを確立すること。
• Sycamore、Zuchongzhi 2.0、Zuchongzhi 2.1といった異なる量子プロセッサスケールにおけるテンソルネットワークアルゴリズムを用いた古典的シミュレーションコストを比較すること。

提案手法

• Zuchongzhi 2.1超伝導量子プロセッサを用いて、12個のランダムに生成された回路インスタンスで60キュービット、24サイクルのランダム回路サンプリングを実施した。
• 実験的オーバーヘッドを低減するために、パッチ回路およびエリード回路を用いて、60キュービット、24サイクルの完全な回路の忠実度を推定した。
• 1インスタンスあたり約 $7.0 \times 10^7$ ビットストリングをサンプリングし、線形クロスエントロピーベンチマーク（XEB）忠実度を測定した。
• 浮動小数点演算の古典的計算コストを推定するために、cotengraパッケージを用いたテンソルネットワークアルゴリズムを採用した。
• 0.0366%の忠実度で $7.0 \times 10^7$ 個のサンプルに対する合計古典的シミュレーションコストを $1.10 \times 10^{22}$ 浮動小数点演算として計算した。
• Summitスーパーコンピュータを用いてランタイムを外挿し、60キュービット、24サイクルタスクの古典的シミュレーションに約48,000年かかると推定した。

実験結果

リサーチクエスチョン

• RQ1 60キュービット、24サイクルのランダム量子回路は、高い統計的信頼性をもってサンプリング可能であり、古典的シミュレーションに対して量子優位性を示せるか？
• RQ2 キュービット数と回路深さが増加するに従い、古典的シミュレーションコストはどのようにスケーリングするか？また、現在のスーパーコンピュータの能力を超えるか？
• RQ3 Zuchongzhi 2.1プロセッサは、Sycamore や Zuchongzhi 2.0 といった前世代システムに比べ、シミュレーション難易度においてどの程度優れているか？
• RQ4 パッチ回路およびエリード回路手法は、大規模な完全回路の忠実度を信頼性高く推定できるか？
• RQ5 最先端のテンソルネットワークアルゴリズムを用いて、60キュービット、24サイクルのランダム回路をシミュレートするための推定古典的実行時間はどの程度か？

主な発見

• 60キュービット、24サイクルのランダム回路サンプリングの線形XEB忠実度は $(3.66 \pm 0.345) \times 10^{-4}$ であり、一様サンプリングの帰無仮説は10標準偏差以上に有意に棄却された。
• 60キュービット、24サイクルタスクの古典的シミュレーションコストは $1.10 \times 10^{22}$ 浮動小数点演算と推定され、Summitスーパーコンピュータで約48,000年かかるとされた。
• 60キュービット、24サイクルタスクのシミュレーション難易度は、Zuchongzhi 2.0の56キュービット、20サイクルタスクに比べ約5000倍高く、Sycamoreの53キュービット、20サイクルタスクに比べ6桁以上高い。
• テンソルネットワークアルゴリズムの推定によると、60キュービット、24サイクル回路の完全な1サンプルを生成するには $1.63 \times 10^{18}$ 浮動小数点演算が必要である。
• パッチおよびエリード回路の手法により、60キュービット、24サイクルの完全回路の忠実度を高い統計的信頼性で正確に推定できた。
• サンプリングされた回路のヒルバート空間次元は $2^{60}$ に達し、量子計算リソースの大幅なスケーリングを示した。