[论文解读] Evolving Quantum Circuits

Daniel Tandeitnik, Thiago Guerreiro|arXiv (Cornell University)|Oct 11, 2022

Quantum Computing Algorithms and Architecture参考文献 86被引用 4

一句话总结

本文提出使用遗传算法（GAs）通过基于适应度景观导航复杂希尔伯特空间，演化量子电路，特别是稳定子量子误差校正码。该方法成功地从随机初始电路演化出已知码，如5量子比特完美码、Shor的9量子比特码以及7量子比特颜色码，表明演化优于随机搜索，并为NISQ时代量子电路设计提供了一种可扩展且硬件感知的方法。

ABSTRACT

We develop genetic algorithms for searching quantum circuits, in particular stabilizer quantum error correction codes. Quantum codes equivalent to notable examples such as the 5-qubit perfect code, Shor's code, and the 7-qubit color code are evolved out of initially random quantum circuits. We anticipate evolution as a promising tool in the NISQ era, with applications such as the search for novel topological ordered states, quantum compiling, and hardware optimization.

研究动机与目标

• 探究通过遗传算法进行人工选择是否能有效搜索复杂量子电路，特别是稳定子量子误差校正码。
• 通过利用进化优化，克服在高维希尔伯特空间中随机搜索的局限性。
• 证明GAs能够从随机初始种群演化出已知的高性能量子码。
• 探索将硬件特定约束整合到适应度函数中，以实现针对特定电路设计的优化。

提出的方法

• 应用遗传算法通过基于适应度函数迭代选择、变异和重组随机稳定子电路种群，以演化量子电路。
• 适应度函数被设计为奖励表现出期望量子误差校正特性的电路，例如逻辑量子比特保护和高距离。
• 变异应用于单量子比特 Clifford 门和两量子比特 CNOT 门，保持稳定子形式并确保高效的经典模拟。
• 适应度函数通过子系统之间的互信息量化纠缠结构，以衡量纠错能力。
• 通过基于设备拓扑的复杂性几何度量，将硬件特定约束编码到适应度函数中，以惩罚非本征门操作。
• 该方法在已知码（如5量子比特完美码和7量子比特颜色码）上进行测试，并成功恢复了等效电路。

实验结果

研究问题

• RQ1 遗传算法能否高效导航量子电路庞大的希尔伯特空间，以发现已知的量子误差校正码？
• RQ2 在识别低深度、基于稳定子的高纠错能力量子电路方面，进化搜索与随机搜索相比表现如何？
• RQ3 基于纠缠结构和拓扑特征的适应度函数能否引导演化出如7量子比特颜色码等拓扑量子码？
• RQ4 在适应度函数中多大程度上可编码硬件特定约束，以生成针对真实NISQ设备优化的电路？
• RQ5 这种进化方法能否发现超越已知教科书范例的新型量子码？

主要发现

• 遗传算法成功地从随机初始种群演化出5量子比特完美码，表明演化可在复杂希尔伯特空间中超越随机搜索。
• 该方法可靠地恢复了Shor的9量子比特码和7量子比特颜色码，证实其在已知稳定子码上的有效性。
• 演化出的电路表现出低深度和高逻辑保护，表明其适用于噪声中等规模量子（NISQ）设备。
• 基于子系统间互信息的适应度函数有效引导搜索，朝向高纠错距离的码演化。
• 包含设备拓扑和门复杂度度量的硬件感知适应度函数，可生成针对特定量子硬件（如IBM量子处理器）定制的电路。
• 该方法表明，进化计算可在极少人为直觉干预下发现复杂量子电路，暗示其在自动发现新型量子算法和码方面具有潜力。