[论文解读] Randomized compiling for scalable quantum computing on a noisy superconducting quantum processor

Akel Hashim, Ravi Naik+12 more|arXiv (Cornell University)|Oct 1, 2020

Quantum Computing Algorithms and Architecture参考文献 46被引用 133

一句话总结

该论文表明，随机编译（RC）通过将相干误差转化为随机泡利噪声，有效抑制了超导量子处理器中的相干误差，从而实现通过循环基准测试可靠预测量子算法性能。实验结果表明，对于四量子比特量子傅里叶变换和随机电路，保真度显著提升，最高达5倍改进，且通过循环基准测试测量的误差率能准确预测RC后的算法结果。

ABSTRACT

The successful implementation of algorithms on quantum processors relies on the accurate control of quantum bits (qubits) to perform logic gate operations. In this era of noisy intermediate-scale quantum (NISQ) computing, systematic miscalibrations, drift, and crosstalk in the control of qubits can lead to a coherent form of error which has no classical analog. Coherent errors severely limit the performance of quantum algorithms in an unpredictable manner, and mitigating their impact is necessary for realizing reliable quantum computations. Moreover, the average error rates measured by randomized benchmarking and related protocols are not sensitive to the full impact of coherent errors, and therefore do not reliably predict the global performance of quantum algorithms, leaving us unprepared to validate the accuracy of future large-scale quantum computations. Randomized compiling is a protocol designed to overcome these performance limitations by converting coherent errors into stochastic noise, dramatically reducing unpredictable errors in quantum algorithms and enabling accurate predictions of algorithmic performance from error rates measured via cycle benchmarking. In this work, we demonstrate significant performance gains under randomized compiling for the four-qubit quantum Fourier transform algorithm and for random circuits of variable depth on a superconducting quantum processor. Additionally, we accurately predict algorithm performance using experimentally-measured error rates. Our results demonstrate that randomized compiling can be utilized to leverage and predict the capabilities of modern-day noisy quantum processors, paving the way forward for scalable quantum computing.

研究动机与目标

• 解决NISQ时代量子处理器因控制校准偏差和串扰引起的相干误差导致的性能不可预测下降问题。
• 开发一种可扩展、与硬件无关的方法，将相干误差转化为随机噪声，且无需事先了解误差模型。
• 验证循环基准测试测得的误差率能否在RC后可靠预测算法性能，克服传统随机基准测试的局限性。

提出的方法

• RC在电路中插入来自泡利群的随机单量子比特twirling门，以生成逻辑等价的随机化电路，保持整体酉操作不变，且不增加电路深度。
• 每个随机化电路被测量 n/N 次，结果合并后形成与原始电路测量 n 次等价的统计分布。
• 该协议利用泡利twirling将相干误差平均为随机泡利通道，抑制误差过程中的非对角项。
• 该方法与通用量子计算兼容，适用于任何通用门集，包括Clifford+T基。
• RC在超导处理器上原位实现，经典预处理在运行前高效生成N个随机化方案。
• 性能通过实验输出分布与理想输出分布之间的总变差距离（TVD）进行评估，同时使用循环基准测试提取误差率以实现预测。

实验结果

研究问题

• RQ1 随机编译能否在真实超导量子处理器中有效抑制相干误差，从而实现更可预测且改进的算法性能？
• RQ2 通过循环基准测试测得的误差率在多大程度上能准确预测应用随机编译后量子算法的实际性能？
• RQ3 RC带来的性能增益如何随总误差预算中相干误差比例的增加而变化？
• RQ4 当整体误差率降低时，RC是否仍保持其有效性，特别是在接近相干时间限制的系统中？
• RQ5 RC能否在不增加电路深度或无需详细了解底层误差模型的前提下，在实际中高效应用？

主要发现

• 对于四量子比特量子傅里叶变换电路，随机编译将实验输出分布与理想输出分布之间的总变差距离（TVD）降低了最多5倍。
• 对于单量子比特随机电路，RC在所有测试深度下平均实现了2.5至3.5倍的TVD改进，且当相干误差占总误差比例更高时，性能增益进一步提升。
• 研究证明，循环基准测试测得的误差率能准确预测RC下的算法性能，验证了其作为预测工具的有效性。
• 在多量子比特并行电路中，串扰增加了相干误差的贡献，但RC仍能保持一致的TVD降低，显示出对串扰的鲁棒性。
• 模拟结果表明，随着总误差率降低，RC性能进一步提升，表明即使在低误差区域，RC仍能提供显著的保真度增益。
• 结果证实，只要存在相干误差，随机编译在所有测试系统中均能带来可测量的性能提升，且与绝对误差水平无关。