[论文解读] Noise-Adaptive Compiler Mappings for Noisy Intermediate-Scale Quantum Computers

Prakash Murali, Jonathan M. Baker+3 more|arXiv (Cornell University)|Jan 30, 2019

Quantum Computing Algorithms and Architecture参考文献 55被引用 20

一句话总结

本文提出了一种噪声自适应的量子编译器映射方法，利用NISQ硬件的实时校准数据，优化量子比特布局与路由，显著提升了程序成功率和执行效率。通过将动态误差率、退相干时间与门时间整合进基于LLVM的后端，该方法在16量子比特的IBM系统上相比IBM Qiskit编译器，实现了高达18倍的成功率提升和6倍的执行速度提升。

ABSTRACT

A massive gap exists between current quantum computing (QC) prototypes, and the size and scale required for many proposed QC algorithms. Current QC implementations are prone to noise and variability which affect their reliability, and yet with less than 80 quantum bits (qubits) total, they are too resource-constrained to implement error correction. The term Noisy Intermediate-Scale Quantum (NISQ) refers to these current and near-term systems of 1000 qubits or less. Given NISQ's severe resource constraints, low reliability, and high variability in physical characteristics such as coherence time or error rates, it is of pressing importance to map computations onto them in ways that use resources efficiently and maximize the likelihood of successful runs. This paper proposes and evaluates backend compiler approaches to map and optimize high-level QC programs to execute with high reliability on NISQ systems with diverse hardware characteristics. Our techniques all start from an LLVM intermediate representation of the quantum program (such as would be generated from high-level QC languages like Scaffold) and generate QC executables runnable on the IBM Q public QC machine. We then use this framework to implement and evaluate several optimal and heuristic mapping methods. These methods vary in how they account for the availability of dynamic machine calibration data, the relative importance of various noise parameters, the different possible routing strategies, and the relative importance of compile-time scalability versus runtime success. Using real-system measurements, we show that fine grained spatial and temporal variations in hardware parameters can be exploited to obtain an average $2.9$x (and up to $18$x) improvement in program success rate over the industry standard IBM Qiskit compiler.

研究动机与目标

• 为解决在有限量子比特且无错误纠正能力的NISQ系统中，因可靠性低和波动性高带来的关键挑战。
• 通过根据动态硬件特性调整编译过程，提升真实NISQ硬件上量子程序的成功率和执行效率。
• 评估校准感知的量子比特映射、路由策略及优化目标对真实系统性能的影响。
• 开发可扩展的编译技术——包括最优与启发式方法——在编译时间成本与运行时可靠性之间实现平衡，以适应近期量子系统的需求。

提出的方法

• 该框架将高级量子程序（例如Scaffold语言编写）编译为LLVM IR，再映射为OpenQASM以在IBMQ16量子处理器上执行。
• 利用每日实时校准数据（包括CNOT误差率、读出误差、门时间与退相干时间T2）指导量子比特布局与路由决策。
• 基于SMT的优化引擎通过最小化一个复合目标函数（加权误差率与门时间）来计算近似最优映射。
• 引入启发式方法GreedyV★与GreedyE★，在保持高可靠性的同时，提升大规模电路的编译可扩展性。
• 通过在真实IBMQ16硬件上执行编译后的电路，评估映射效果，测量成功率与执行时间。
• 将结果与工业标准的IBM Qiskit编译器进行对比，使用相同的基准测试与真实系统测量数据。

实验结果

研究问题

• RQ1 使用实时机器校准数据在多大程度上提升NISQ硬件上量子程序的成功率？
• RQ2 不同噪声参数（如CNOT误差率、读出误差与退相干时间）在决定程序可靠性方面的重要性如何排序？
• RQ3 SMT-based优化能否显著优于启发式或基线编译器，其在编译时间上的开销如何？
• RQ4 不同的路由策略与量子比特移动机制如何影响编译后量子电路的可靠性与性能？
• RQ5 启发式编译方法在保持可扩展性的同时，能在多大程度上匹配最优方法的性能？

主要发现

• 所提出的噪声自适应编译器在真实硬件测量中，相比IBM Qiskit编译器，平均实现2.9倍的成功率提升（最高达18倍）。
• 与Qiskit相比，该方法将平均执行时间减少2.7倍（最高达6倍），证明了其在运行时效率上的优势。
• CNOT误差率与读出误差是影响可靠性的最关键噪声参数，其次是门时间与退相干时间。
• SMT-based优化可获得接近最优的结果，但计算开销较大；而GreedyV★与GreedyE★在编译时间大幅缩短的同时，性能几乎等同于最优方法。
• 合理的初始量子比特布局可减少对SWAP操作的需求，而SWAP操作是主要的误差来源，尤其在网格拓扑系统中。
• 真实系统评估表明，模拟或缩放的误差指标与实际成功率的相关性较差，凸显了真实硬件测试的价值。