[论文解读] Benchmarking 16-element quantum search algorithms on IBM quantum processors.

Jan Gwinner, Marcin Briański+3 more|arXiv (Cornell University)|Jul 13, 2020

Quantum Computing Algorithms and Architecture参考文献 4被引用 5

一句话总结

该论文针对IBM的4量子比特处理器，采用优化的量子搜索技术以最小化纠缠门数量，在16元素量子搜索算法上进行了基准测试，成功概率达到24.5%。研究揭示了在NISQ硬件上存在类似相变的性能急剧下降现象，凸显了硬件感知算法设计与底层优化的关键需求。

ABSTRACT

We present experimental results on running 4-qubit unstructured search on IBM quantum processors. Our best attempt attained probability of success around 24.5%. We try several algorithms and use the most recent developments in quantum search to reduce the number of entangling gates that are currently considered the main source of errors in quantum computations. Comparing theoretical expectations of an algorithm performance with the actual data, we explore the hardware limits, showing sharp, phase-transition-like degradation of performance on quantum processors. We conclude that it is extremely important to design hardware-aware algorithms and to include any other low level optimizations on NISQ devices.

研究动机与目标

• 评估优化算法在真实IBM量子处理器上执行16元素量子搜索算法的性能。
• 通过最小化纠缠门数量以降低错误率，因为这是NISQ设备中退相干的主要来源。
• 将算法性能的理论预测与实际在噪声硬件上的实验结果进行比较。
• 识别硬件限制以及量子计算中类似相变的性能退化模式。

提出的方法

• 通过减少纠缠门数量来实现优化的量子搜索算法，以减轻硬件引起的错误。
• 利用量子搜索领域的最新进展，提升算法在NISQ架构上的效率。
• 在IBM的4量子比特量子处理器上执行实验，测量在真实世界噪声条件下的成功概率。
• 将理论成功概率与实测结果进行比较，以评估硬件保真度和误差传播情况。
• 分析性能退化模式，以检测由硬件限制引起的尖锐过渡现象。

实验结果

研究问题

• RQ1 在使用优化算法时，当前IBM量子处理器上16元素量子搜索的实际成功概率是多少？
• RQ2 减少纠缠门数量在噪声中等规模量子（NISQ）设备上的量子搜索性能方面有何影响？
• RQ3 算法性能的理论预测与真实量子硬件上的实验结果在多大程度上一致？
• RQ4 随着门数或电路深度的增加，NISQ处理器上量子搜索的性能是否表现出类似相变的退化？
• RQ5 硬件特定约束在限制量子搜索算法可扩展性方面起到何种作用？

主要发现

• 在IBM量子处理器上，4量子比特无结构搜索的最佳实验成功概率为24.5%。
• 随着电路复杂度的增加，观察到算法性能出现尖锐的、类似相变的退化，表明硬件保真度存在临界阈值。
• 理论预期与实验结果之间的差异凸显了显著的硬件引起的误差，尤其是来自纠缠门的误差。
• 减少纠缠门数量可提升性能，证实了其在当前NISQ设备中作为主要错误来源的角色。
• 结果表明，硬件感知的算法设计对于在当前量子处理器上实现可靠性能至关重要。