[论文解读] Reducing runtime and error in VQE using deeper and noisier quantum circuits

Amara Katabarwa, Alex Kunitsa+2 more|arXiv (Cornell University)|Oct 20, 2021

Quantum Computing Algorithms and Architecture被引用 9

一句话总结

本文提出鲁棒幅度估计算法（RAE），通过使用更深、更嘈杂的量子线路来提升期望值估计的精度，从而减少变分量子本征求解器（VQE）的运行时间和误差。令人惊讶的是，尽管线路深度更高、噪声更大，RAE在精度和均方误差方面仍优于标准的制备-测量方法，显著加速了NISQ设备上的收敛速度。

ABSTRACT

The rapid development of noisy intermediate-scale quantum (NISQ) devices has raised the question of whether or not these devices will find commercial use. Unfortunately, a major shortcoming of many proposed NISQ-amenable algorithms, such as the variational quantum eigensolver (VQE), is coming into view: the algorithms require too many independent quantum measurements to solve practical problems in a reasonable amount of time. This motivates the central question of our work: how might we speed up such algorithms in spite of the impact of error on NISQ computations? We demonstrate on quantum hardware that the estimation of expectation values, a core subroutine of many quantum algorithms including VQE, can be improved in terms of precision and accuracy by using a technique we call Robust Amplitude Estimation. Consequently, this method reduces the runtime to achieve the same mean-squared error compared to the standard prepare-and-measure estimation method. The surprising result is that by using deeper, and therefore more error-prone, quantum circuits, we realize more accurate quantum computations in less time. As the quality of quantum devices improves, this method will provide a proportional reduction in estimation runtime. This technique may be used to speed up quantum computations into the regime of early fault-tolerant quantum computation and aid in the realization of quantum advantage.

研究动机与目标

• 为解决NISQ时代量子算法（如VQE）中测量开销过高的问题，该问题限制了实际运行时间。
• 探究是否可以利用更高的线路深度和噪声来提升估计精度。
• 开发一种方法，以减少在给定精度下期望值估计所需的量子测量次数。
• 在存在噪声的情况下实现VQE及类似算法的更快收敛，为早期容错量子优势铺平道路。
• 证明改进的估计技术即使在嘈杂、更深的线路中也能超越标准方法。

提出的方法

• 作者提出鲁棒幅度估计算法（RAE），通过使用一系列深度各异的结构化量子线路来增强幅度估计。
• RAE基于量子相位估计算法原理，但通过在估计过程中整合纠错缓解策略，使其在噪声环境下仍具鲁棒性。
• 该方法使用一组受控深度的量子线路，比标准的制备-测量协议更高效地提取幅度信息。
• 在幅度估计框架中引入修改后的翻转步骤，以降低对噪声的敏感性并提升收敛速度。
• 该方法设计为与当前NISQ硬件兼容，除标准VQE工作流外，无需额外的量子比特或电路修改。
• RAE已在真实量子硬件上通过实验验证，展示了在真实噪声条件下的性能提升。

实验结果

研究问题

• RQ1 是否可以利用更深、更嘈杂的量子线路来提升VQE中期望值估计的精度和速度？
• RQ2 鲁棒幅度估计算法在均方误差和运行时间方面是否优于标准的制备-测量方法？
• RQ3 线路深度增加在多大程度上可减少实现目标精度所需的测量次数？
• RQ4 RAE在真实NISQ级别噪声和退相干条件下如何保持性能？
• RQ5 该方法是否能随着量子硬件保真度的提升而扩展，从而实现早期容错量子优势？

主要发现

• 与标准的制备-测量方法相比，鲁棒幅度估计算法显著减少了实现特定均方误差水平所需的时间。
• 尽管线路深度更高、噪声更大，RAE在幅度估计中仍实现了更高的精度，表明只要管理得当，噪声不一定是限制因素。
• 该方法已在真实量子硬件上通过实验验证，展示了在真实噪声条件下的可测量精度提升。
• RAE的性能增益随量子设备保真度的提升而增强，表明其在硬件成熟过程中具有长期相关性。
• RAE实现了VQE的更快收敛，表明其为近期设备实现实际量子优势提供了可行路径。
• 结果表明，只要算法设计为对噪声具有鲁棒性，更深的线路在估计任务中仍具有优势。