[논문 리뷰] Enhancing quantum computer performance via symmetrization

Andrii Maksymov, Jason Nguyen외 2명|arXiv (Cornell University)|2023. 01. 18.

Quantum Computing Algorithms and Architecture인용 수 5

한 줄 요약

이 논문은 트랩드 아이언 시스템에서 양자 회로의 여러 대칭 버전을 생성하고, 이를 다른 큐비트 매핑에서 실행하며, 비선형 투표를 통해 결과를 집계하는 펌웨어 수준의 오류 보정 전략인 대칭화(symmetrization)를 소개한다. 이 방법은 큐비트나 게이트의 추가 비용 없이도 IonQ Aria 시스템에서 15 큐비트 양자 푸리에 변환 애더 회로에 대해 성능을 최대 100배 향상시키며, 결정론적 제어 오차를 크게 감소시키면서도 통계적 정밀도를 유지한다.

ABSTRACT

Large quantum computers promise to solve some critical problems not solvable otherwise. However, modern quantum technologies suffer various imperfections such as control errors and qubit decoherence, inhibiting their potential utility. The overheads of quantum error correction are too great for near-term quantum computers, whereas error-mitigation strategies that address specific device imperfections may lose relevance as devices improve. To enhance the performance of quantum computers with high-quality qubits, we introduce a strategy based on symmetrization and nonlinear aggregation. On a commercial trapped-ion quantum computer, it improves performance of multiple practical algorithms by 100x with no qubit or gate overhead.

연구 동기 및 목표

• 느리게 변화하는 제어 정확도의 부족으로 인한 근접한 양자 컴퓨터의 지속적인 성능 제한을 해결한다. 특히 고정밀도 트랩드 아이언 시스템에서 특히 그렇다.
• 추가 큐비트나 게이트가 필요 없는 펌웨어 수준의 오류 보정 전략을 개발하여 양자 오류 수정의 높은 오버헤드를 피한다.
• 기존 오류 보정 기법의 한계를 극복한다. 이 기법들은 확률적 노이즈 모델이나 장치 전용 校정에 의존하지만, 큐비트 품질 향상에 따라 더 이상 유효하지 않게 될 수 있다.
• 회로 컴파일, 큐비트 매핑, 게이트 분해에서의 대칭성을 활용하여 알고리즘 수준에서 체계적인 성능 향상을 가능하게 한다.
• 다양한 실용적 양자 알고리즘에 적용 가능한 확장성 있고 일반적인 프레임워크를 제공한다. 양자 푸리에 변환 및 양자 머신러닝 회로를 포함한다.

제안 방법

• 이deal 유니터리 연산을 유지하는 큐비트 매핑의 무작위 순열 및 대체 게이트 분해를 적용하여 양자 회로의 여러 대칭 버전을 생성한다.
• 일관된 校정 조건에서 동일한 양자 프로세서에서 각 버전을 실행하여 결정론적 제어 오차의 영향을 분리한다.
• 모든 버전의 측정 통계를 수집하고, 구성요소별 평균 또는 비선형 다수결표 투표를 사용하여 결과를 집계하여 체계적 오차를 억제한다.
• 기준 기반 투표 메커니즘을 사용하여 다양한 버전에서 가장 자주 관측된 비트스트링을 식별하며, 공감대가 형성되지 않으면 평균으로 대체한다.
• 출력이 알려진 회로에서의 훈련 실행을 통해 변형 수, 반복 횟수, 게이트 분해 전략 등의 하이퍼파rameter를 최적화한다.
• 대칭의 균일한 무작위 샘플링을 활용하여 모든 이전 대칭 구성 설정을 저장하지 않아도 통계적 커버리지를 확보하고, 확장 가능한 구현을 가능하게 한다.

실험 결과

연구 질문

• RQ1 대칭화된 양자 회로 버전은 고정밀도 트랩드 아이언 양자 컴퓨터에서 느리게 변화하는 제어 정확도의 오차 영향을 상당히 줄일 수 있는가?
• RQ2 선형 평균화보다 비선형 집계 방식인 다수결표 투표가 무작위 노이즈를 증폭시키지 않고 결정론적 오차를 효과적으로 억제하는가?
• RQ3 큐비트나 게이트 오버헤드 없이도, 양자 푸리에 변환 및 양자 머신러닝 회로와 같은 실용적 양자 알고리즘의 성능을 대칭화로 얼마나 향상시킬 수 있는가?
• RQ4 대칭 샘플링 전략(예: 무작위 대비 저이격도)의 선택이 대칭화 과정의 수렴성과 정확도에 어떤 영향을 미치는가?
• RQ5 제안된 방법은 출력 확률이 균일하거나 희박한 분포를 가지는 다양한 양자 회로 클래스에서도 효과적이고 안정적인가?

주요 결과

• 15 큐비트 양자 푸리에 변환 애더 회로에서, 다수결표 투표를 사용한 대칭화는 기본 실행 대비 100배 성능 향상을 달성했으며, 이상적인 출력에 대한 왜곡 없이 수행되었다.
• 양자 머신러닝 회로에서는 구성요소별 평균화를 통한 선형 집계 방식이 성능을 1.5~2배 향상시켰다. 이는 일관되지만 더 미약한 성과였다.
• 다수결표 전략은 결정론적 제어 오차—특히 이중 큐비트 게이트에서의 체계적 과소 로테이션—를 효과적으로 제거했으며, 무작위 노이즈의 통계적 정밀도를 유지했다.
• 단일 버전이 정확한 결과를 내지 못하더라도, 여러 대칭 버전 간의 투표를 통해 공감대를 형성함으로써 정확한 출력을 복구했다.
• 훈련 실행을 통해 최적의 하이퍼파rameter, 즉 변형 수와 투표 기준치를 결정할 수 있었으며, 이는 유사한 구조를 가진 여러 회로에 재사용되었다.
• 이 방법은 확장 가능하고 하드웨어에 종속되지 않는 설계를 하였으며, 회로 컴파일 및 큐비트 매핑에서의 대칭성에만 의존하므로, 향후 트랩드 아이언을 초월한 고정밀도 양자 프로세서에도 적용 가능하다.