[논문 리뷰] Quantum circuit architecture search: error mitigation and trainability enhancement for variational quantum solvers

Yuxuan Du, Tao Huang외 3명|arXiv (Cornell University)|2020. 10. 20.

Quantum Computing Algorithms and Architecture참고 문헌 44인용 수 35

한 줄 요약

이 논문은 자율적으로 최적의 변량 양자 회로 아키텍처를 발견함으로써 노이즈에 대한 강건성과 변량 양자 알고리즘에서의 평평한 골짜기 문제를 완화하는 데 자원과 런타임 효율성이 뛰어난 자율 양자 아키텍처 탐색(QAS)을 제안한다. QAS는 데이터 분류 및 양자 화학 작업에서 수치 시뮬레이션과 실제 하드웨어 실험 모두에서 히우리스틱 아키텍처를 능가한다.

ABSTRACT

Quantum error mitigation techniques are at the heart of quantum hardware implementation, and are the key to performance improvement of the variational quantum learning scheme (VQLS). Although VQLS is partially robust to noise, both empirical and theoretical results exhibit that noise would rapidly deteriorate the performance of most variational quantum algorithms in large-scale problems. Furthermore, VQLS suffers from the barren plateau phenomenon---the gradient generated by the classical optimizer vanishes exponentially with respect to the qubit number. Here we devise a resource and runtime efficient scheme, the quantum architecture search scheme (QAS), to maximally improve the robustness and trainability of VQLS. In particular, given a learning task, QAS actively seeks an optimal circuit architecture to balance benefits and side-effects brought by adding more quantum gates. Specifically, while more quantum gates enable a stronger expressive power of the quantum model, they introduce a larger amount of noise and a more serious barren plateau scenario. Consequently, QAS can effectively suppress the influence of quantum noise and barren plateaus. We implement QAS on both the numerical simulator and real quantum hardware, via the IBM cloud, to accomplish data classification and quantum chemistry tasks. Numerical and experimental results show that QAS significantly outperforms conventional variational quantum algorithms with heuristic circuit architectures. Our work provides practical guidance for developing advanced learning-based quantum error mitigation techniques on near-term quantum devices.

연구 동기 및 목표

• 대규모 양자 시스템에서 노이즈와 평탄한 골짜기 문제로 인한 변량 양자 알고리즘의 성능 저하를 해결하기 위해.
• 표현력, 노이즈 누적, 기울기 소멸 간의 균형을 맞추는 체계적인 접근법을 개발하기 위해.
• 근접한 양자 하드웨어에서 변량 양자 솔버의 강건성과 학습 가능성을 향상시키기 위해.
• 히우리스틱 아키텍처를 능가하는 실용적이고 효율적인 프레임워크를 제공하기 위해.

제안 방법

• QAS는 성능을 극대화하면서 노이즈와 평탄한 골짜기 영향을 최소화하는 최적의 구성으로 양자 회로 아키텍처를 탐색한다.
• 표현력(게이트 수를 통해)과 노이즈에 의한 오차 및 기울기 소멸 간의 트레이드오프를 기반으로 회로 설계를 평가한다.
• QAS는 고전적 최적화를 활용하여 검색을 이끌며, 게이트 수와 안정성 간의 균형을 동적으로 조정한다.
• 성능 검증을 위해 양자 시뮬레이터와 IBM 양자 하드웨어 양쪽 모두에 프레임워크를 구현한다.
• 전반적인 알고리즘적 내성 강화를 위해 아키텍처 탐색과 함께 오차 완화 기법을 활용한다.

실험 결과

연구 질문

• RQ1 어떻게 변량 양자 알고리즘에서 노이즈 민감도를 줄이기 위해 양자 회로 아키텍처를 시스템적으로 최적화할 수 있는가?
• RQ2 아키텍처 탐색은 대규모 변량 양자 회로에서 평탄한 골짜기 문제를 어느 정도 완화할 수 있는가?
• RQ3 기존의 히우리스틱 회로 설계에 비해 검색 기반 접근법이 실제 양자 하드웨어에서 정확도와 수렴성 측면에서 뛰어나게 될 수 있는가?
• RQ4 변량 양자 알고리즘에서 회로의 표현력, 노이즈 누적, 기울기 최적화 간의 상충 관계는 무엇인가?

주요 결과

• QAS는 수치 시뮬레이션과 실제 IBM 양자 하드웨어에서 모두 변량 양자 알고리즘의 성능을 크게 향상시킨다.
• 제안된 아키텍처 탐색은 데이터 분류 및 양자 화학 작업에서 기존의 히우리스틱 회로 설계를 능가한다.
• QAS는 양자 노이즈의 영향을 효과적으로 억제하고 대규모 문제에서 평탄한 골짜기 발생 가능성을 줄인다.
• 고정된 아키텍처를 가진 표준 변량 양자 회로에 비해 더 나은 수렴성과 높은 허용도 결과를 달성한다.