[论文解读] Accelerating Variational Quantum Algorithms Using Circuit Concurrency

Salonik Resch, Anthony Gutierrez+6 more|arXiv (Cornell University)|Sep 3, 2021

Quantum Computing Algorithms and Architecture参考文献 36被引用 10

一句话总结

本文提出电路并发执行，通过在含噪声的中等规模量子（NISQ）设备上同时执行同一量子线路的多个实例，以加速变分量子算法（VQAs）的运行。该方法实现了量子态的并行采样，在悲观误差率下，即使在量子近似优化算法（QAOA）中也能实现高达20倍的加速，且开销极低。

ABSTRACT

Variational quantum algorithms (VQAs) provide a promising approach to achieve quantum advantage in the noisy intermediate-scale quantum era. In this era, quantum computers experience high error rates and quantum error detection and correction is not feasible. VQAs can utilize noisy qubits in tandem with classical optimization algorithms to solve hard problems. However, VQAs are still slow relative to their classical counterparts. Hence, improving the performance of VQAs will be necessary to make them competitive. While VQAs are expected perform better as the problem sizes increase, increasing their performance will make them a viable option sooner. In this work we show that circuit-level concurrency provides a means to increase the performance of variational quantum algorithms on noisy quantum computers. This involves mapping multiple instances of the same circuit (program) onto the quantum computer at the same time, which allows multiple samples in a variational quantum algorithm to be gathered in parallel for each training iteration. We demonstrate that this technique provides a linear increase in training speed when increasing the number of concurrently running quantum circuits. Furthermore, even with pessimistic error rates concurrent quantum circuit sampling can speed up the quantum approximate optimization algorithm by up to 20x with low mapping and run time overhead.

研究动机与目标

• 为解决在含噪声的中等规模量子（NISQ）设备上变分量子算法（VQAs）训练速度缓慢的问题。
• 提升VQAs的性能，使其在实际应用中能够与经典算法相媲美。
• 探索无需容错量子误差纠正的硬件级优化，以加速VQA执行。
• 评估在NISQ时代量子计算中，同时执行量子线路对训练速度和抗错能力的影响。

提出的方法

• 将同一量子线路的多个实例同时映射到量子处理器上，以实现并行执行。
• 利用线路级并发，在VQA的每次训练迭代中并行收集多个量子态样本。
• 设计一种映射策略，以最小化并发线路之间的资源争用和调度开销。
• 采用经典优化循环处理并行收集的样本，保持标准VQA工作流不变。
• 以量子近似优化算法（QAOA）作为代表性VQA，验证该方法的有效性。
• 在当前NISQ设备典型的高误差率下，分析性能提升效果。

实验结果

研究问题

• RQ1 在变分量子算法中，是否可以通过同时执行相同量子线路显著缩短训练时间？
• RQ2 在真实NISQ级噪声条件下，电路并发执行如何影响VQAs的性能与收敛性？
• RQ3 即使在悲观的误差模型下，使用电路并发执行在QAOA训练中可实现的最大加速比是多少？
• RQ4 在当前硬件上部署并发量子线路所涉及的实际开销（映射与运行时）有哪些？

主要发现

• 电路并发执行可实现与并发执行线路数量成线性关系的训练时间加速。
• 即使在悲观的误差率下，该方法在量子近似优化算法（QAOA）中仍可实现高达20倍的加速。
• 性能提升仅伴随极低的映射与运行时开销，使其在近期量子硬件上具有实际可行性。
• 该技术在高噪声环境下依然有效，展现出在NISQ时代下的鲁棒性。
• 该方法可在不依赖量子误差纠正或改变底层算法结构的前提下，实现VQAs的更快收敛。