[논문 리뷰] Quantum circuit architecture search on a superconducting processor

Kehuan Linghu, Qian Yang외 15명|arXiv (Cornell University)|2022. 01. 04.

Quantum Computing Algorithms and Architecture인용 수 5

한 줄 요약

이 논문은 8 큐비트 초전도 양자 프로세서에서 변이 양자 알고리즘(VQA)의 안식을 최적화하기 위해 양자 아키텍처 탐색(QAS)의 첫 실험적 구현을 제시한다. 하드웨어에 맞는 효율적인 안식을 자동으로 설계함으로써 QAS는 히우리스틱 안식을 사용할 때의 분류 정확도 31%를 98%로 향상시켰으며, 노이즈가 있는 중규모 양자(NISQ) 장치에서의 표현력-학습 가능성 간 상충을 극복하였다.

ABSTRACT

Variational quantum algorithms (VQAs) have shown strong evidences to gain provable computational advantages for diverse fields such as finance, machine learning, and chemistry. However, the heuristic ansatz exploited in modern VQAs is incapable of balancing the tradeoff between expressivity and trainability, which may lead to the degraded performance when executed on the noisy intermediate-scale quantum (NISQ) machines. To address this issue, here we demonstrate the first proof-of-principle experiment of applying an efficient automatic ansatz design technique, i.e., quantum architecture search (QAS), to enhance VQAs on an 8-qubit superconducting quantum processor. In particular, we apply QAS to tailor the hardware-efficient ansatz towards classification tasks. Compared with the heuristic ansatze, the ansatz designed by QAS improves test accuracy from 31% to 98%. We further explain this superior performance by visualizing the loss landscape and analyzing effective parameters of all ansatze. Our work provides concrete guidance for developing variable ansatze to tackle various large-scale quantum learning problems with advantages.

연구 동기 및 목표

• 노이즈가 있는 중규모 양자(NISQ) 장치에서 변이 양자 알고리즘(VQA)의 표현력-학습 가능성 간 상충 문제를 해결하기 위해.
• 문제 및 하드웨어 제약 조건에 맞게 회로 구조를 맞춤형으로 설계하는 자동화된 안식 설계 방법—양자 아키텍처 탐색(QAS)—을 개발하고 실험적으로 검증하기 위해.
• 실제 양자 하드웨어에서 히우리스틱 안식과 비교해 QAS가 VQA 성능을 어떻게 크게 향상시키는지 보여주기 위해.
• 손실 곡면 및 유효 매개변수 분석을 통해 QAS로 설계된 안식이 표준 설계보다 우수한 성능을 내는 이유에 대한 경험적 및 분석적 통찰을 제공하기 위해.

제안 방법

• 큐비트 연결성 및 비산화 시간 제한을 포함한 하드웨어 제약 조건을 만족하는 후보 안식 풀 𝒮를 구성하기 위해.
• 모든 후보 안식에 걸쳐 계층별 매개변수 초기화를 수행하는 슈퍼넷을 초기화하여 공동 최적화를 가능하게 하기 위해.
• 슈퍼넷에서 안식을 샘플링하고 관측량을 측정하며, 손실을 계산하고, 목적 함수를 최소화하기 위해 고전적 최적화를 통해 매개변수를 업데이트하기 위해.
• 수렴하거나 최대 반복 횟수에 도달할 때까지 최적화를 반복한 후, 𝒮 내에서 가장 높은 성능를 보인 안식을 검색하고 순위를 매기기 위해.
• 측정 결과의 독성 오차를 보정하기 위해 校정 행렬 F를 사용해 읽기 오차 보정을 적용하기 위해. F⁻¹P̃ = P.
• 읽기 캐비티에 일관된 마이크로파 드라이빙을 통해 위상 소실 노이즈 채널을 설계하여 실제 노이즈 조건을 시뮬레이션하기 위해.

실험 결과

연구 질문

• RQ1 실제 초전도 양자 프로세서에서 양자 아키텍처 탐색(QAS)이 성공적으로 구현되어 VQA 성능을 향상시킬 수 있는가?
• RQ2 분류 작업에서 QAS로 설계된 안식은 히우리스틱 안식과 비교해 테스트 정확도에서 어떻게 다른가?
• RQ3 QAS와 히우리스틱 안식 간 성능 격차에서 표현력과 학습 가능성의 역할은 무엇인가?
• RQ4 다양한 안식의 손실 곡면과 유효 매개변수 분석은 관찰된 성능 격차를 어떻게 설명하는가?
• RQ5 현재의 NISQ 하드웨어에서 QAS는 더 큰, 더 복잡한 양자 학습 문제로 확장될 수 있는가?

주요 결과

• QAS로 설계된 안식은 히우리스틱 안식을 사용할 때 31%에 그쳤던 테스트 정확도를 98%로 향상시켰다.
• QAS로 설계된 안식의 손실 곡면은 더 평탄하고 유리한 구조를 보여, 더 나은 학습 가능성과 바른 평탄대 영역의 위험 감소를 시사하였다.
• 유효 매개변수 분석 결과, QAS 안식은 매개변수를 더 효율적으로 활용했으며, 기울기 업데이트에 대해 더 높은 민감도를 보였다.
• QAS로 얻은 성능 향상은 다양한 노이즈 수준에서도 견고했으며, 위상 소실 시간 T₂*가 1.2에서 15.9 μs로 다양하게 변할 경우에도 유지되었다.
• 교정 행렬 F를 사용한 읽기 오차 보정은 상태 준비 및 측정 정밀도를 향상시켜 안식 성능 평가의 신뢰성을 확보하였다.
• 이 연구는 NISQ 시대의 양자 머신러닝에서 고성능을 달성하기 위해 하드웨어 인지적, 문제 특화된 안식 설계가 QAS를 통해 필수적임을 확인하였다.