[论文解读] Benchmarking Quantum Processor Performance at Scale

David McKay, Ian Hincks+4 more|arXiv (Cornell University)|Nov 10, 2023

Quantum Computing Algorithms and Architecture被引用 21

一句话总结

本论文提出 Layer Fidelity (LF)，一种可扩展、跨串扰感知的量子处理器基准，量测在不相邻的两量子比特门层上的保真度，以评估跨越大量量子比特的性能。它将 LF 与错误每层门 (EPLG) 联系起来，并与镜像 RB 和基于 XEB 的度量进行比较。

ABSTRACT

As quantum processors grow, new performance benchmarks are required to capture the full quality of the devices at scale. While quantum volume is an excellent benchmark, it focuses on the highest quality subset of the device and so is unable to indicate the average performance over a large number of connected qubits. Furthermore, it is a discrete pass/fail and so is not reflective of continuous improvements in hardware nor does it provide quantitative direction to large-scale algorithms. For example, there may be value in error mitigated Hamiltonian simulation at scale with devices unable to pass strict quantum volume tests. Here we discuss a scalable benchmark which measures the fidelity of a connecting set of two-qubit gates over $N$ qubits by measuring gate errors using simultaneous direct randomized benchmarking in disjoint layers. Our layer fidelity can be easily related to algorithmic run time, via $γ$ defined in Ref.\cite{berg2022probabilistic} that can be used to estimate the number of circuits required for error mitigation. The protocol is efficient and obtains all the pair rates in the layered structure. Compared to regular (isolated) RB this approach is sensitive to crosstalk. As an example we measure a $N=80~(100)$ qubit layer fidelity on a 127 qubit fixed-coupling "Eagle" processor (ibm\_sherbrooke) of 0.26(0.19) and on the 133 qubit tunable-coupling "Heron" processor (ibm\_montecarlo) of 0.61(0.26). This can easily be expressed as a layer size independent quantity, error per layered gate (EPLG), which is here $1.7 imes10^{-2}(1.7 imes10^{-2})$ for ibm\_sherbrooke and $6.2 imes10^{-3}(1.2 imes10^{-2})$ for ibm\_montecarlo.

研究动机与目标

• 提出需要能够在 Quantum Volume (QV) 之外捕捉质量、速度和规模的基准。
• 将 Layer Fidelity (LF) 作为可扩展、跨串扰感知的多量子比特门层度量。
• 提供一个高效的协议来估计 LF，并将其与大规模设备上的误差缓解参数（gamma）相关联。
• 在 IBM 的 127-qubit Eagle 和 133-qubit Heron 处理器上展示 LF，并与其他基准进行比较。

提出的方法

• 将一个连接的两量子比特门集合划分为 M 个不相交层。
• 对每个不相交层进行同步直接随机基准测试，以提取每层保真度。
• 将 LF 计算为各层保真度的乘积，LF = ∏ LF_m，并定义 EPLG = 1 − LF^(1/n_2Q)。
• 通过对于小误差，gamma ≈ 1/LF^2，将 LF 与误差缓解参数 gamma 联系起来，并讨论界限。
• 使用 Pauli 转移矩阵形式主义将 LF 与完整的层保真度 F = Tr(R_ideal^−1 R_exp)/d^2 联系起来。
• 提供实际的测量指南，包括屏障使用、空闲量子比特处理和串扰考虑。

实验结果

研究问题

• RQ1 如何设计一个可扩展的、连续质量的基准，以在大型、连接的量子比特集合中捕捉门保真度和串扰？
• RQ2 基于层的基准方法是否能够提供适用于误差缓解规划的、尺寸无关的可操作度量？
• RQ3 层保真度与镜像 RB 和 XEB 在反映串扰和整体层质量方面有何不同？
• RQ4 在大型设备上估计 LF 的实际方法是什么，并将其与设备特定的门误差相关联？
• RQ5 LF 与 EPLG 在不同 IBM 量子处理器架构和耦合方案中有何变化？

主要发现

• LF 能在 N-量子比特链上测量层保真度，数据表明在 N = 80（Eagle）和 N = 100 在 ibm_sherbrooke：LF = 0.26(0.19)。
• 在 ibm_montecarlo（Heron）上 N = 100 的 LF 结果为 LF = 0.61(0.26)。
• 相应的 EPLG 值在 ibm_sherbrooke 为 1.7×10^−2(1.7×10^−2)，在 ibm_montecarlo 为 6.2×10^−3(1.2×10^−2)。
• 在 127Q Eagle 和 133Q Heron 设备上的层保真度测量显示 LF 与镜像 RB 在噪声模型下的一致性。
• LF 提供对单个门误差的访问，并且可以对子集量子比特计算，从而实现对串扰的细粒度分析。
• 该协议表明 LF 与 gamma（误差缓解度量）相关，并作为 QV 和 XEB 的一个有用、可扩展的补充。