[论文解读] HamLib: A library of Hamiltonians for benchmarking quantum algorithms and hardware

Nicolas P. D. Sawaya, Daniel Marti-Dafcik+14 more|arXiv (Cornell University)|Jun 22, 2023

Quantum Computing Algorithms and Architecture参考文献 180被引用 4

一句话总结

HamLib 是一个免费提供的大规模量子哈密顿量库，涵盖从 2 到 1000 量子比特的量子哈密顿量，涉及凝聚态物理、量子化学和经典优化问题。它通过提供预先映射的、真实世界的问题实例，实现了对量子算法、硬件和编译栈的标准化基准测试，节省了研究人员的时间，并提高了各研究之间的可重现性。

ABSTRACT

In order to characterize and benchmark computational hardware, software, and algorithms, it is essential to have many problem instances on-hand. This is no less true for quantum computation, where a large collection of real-world problem instances would allow for benchmarking studies that in turn help to improve both algorithms and hardware designs. To this end, here we present a large dataset of qubit-based quantum Hamiltonians. The dataset, called HamLib (for Hamiltonian Library), is freely available online and contains problem sizes ranging from 2 to 1000 qubits. HamLib includes problem instances of the Heisenberg model, Fermi-Hubbard model, Bose-Hubbard model, molecular electronic structure, molecular vibrational structure, MaxCut, Max-$k$-SAT, Max-$k$-Cut, QMaxCut, and the traveling salesperson problem. The goals of this effort are (a) to save researchers time by eliminating the need to prepare problem instances and map them to qubit representations, (b) to allow for more thorough tests of new algorithms and hardware, and (c) to allow for reproducibility and standardization across research studies.

研究动机与目标

• 为解决当前缺乏用于量子算法和硬件基准测试的标准化、大规模问题实例的问题。
• 减少为研究准备量子哈密顿量所需的时间和专业知识，尤其是在电子和振动结构计算方面。
• 通过提供多样化的真实世界数据集，实现对量子算法更严格和可重现的测试。
• 通过提供反映真实世界复杂性和参数化的数据集，支持软硬件协同设计。
• 通过共享的、社区可访问的数据集，推动量子计算研究中的标准化和公平比较。

提出的方法

• 该库整合了多个领域的哈密顿量：海森堡模型、费米- Hubbard 模型、任意 Anyon-Hubbard 模型、分子电子和振动结构、MaxCut、Max-k-SAT、Max-k-Cut 和 TSP。
• 每个哈密顿量均使用成熟的量子化学和优化映射技术（如 Jordan-Wigner 或 Bravyi-Kitaev 映射）转换为量子比特表示。
• 问题实例采用实际分子几何构型和振动频率等真实物理参数生成。
• 数据集以 HDF5 格式组织，以实现高效的 I/O 操作，并包含用于溯源、系统规模和物理参数的元数据。
• 该库支持多种问题类型，包括二进制（基于量子比特）和高维离散变量（d>2）优化问题。
• 它在线托管并采用版本控制，以确保可重现性，并促进社区贡献与扩展。

Figure 1: The four categories of qubit Hamiltonians included in HamLib. In the area of chemistry we include real-world accurate Hamiltonians for both electronic and vibrational structure. The condensed matter dataset includes four commonly studied models defined on a variety of lattice topologies, w

实验结果

研究问题

• RQ1 一个标准化的、大规模的量子哈密顿量数据集在多大程度上能提升量子算法基准测试的可重现性和公平性？
• RQ2 预先映射的哈密顿量在多大程度上能减少为量子软件和硬件评估准备测试问题所需的时间和专业知识？
• RQ3 从量子化学到组合优化的多样化问题类型，如何促进对量子系统的更全面基准测试？
• RQ4 此类数据集在指导软硬件协同设计方面发挥什么作用，特别是在优化门调度和量子比特连通性方面？
• RQ5 分子和振动哈密顿量中的真实世界参数在多大程度上能增强量子计算研究的工业相关性？

主要发现

• HamLib 提供了涵盖 10 个不同问题类别的 2 到 1000 量子比特的哈密顿量，包括真实分子的电子和振动结构。
• 该库包含 100 多个分子实例，具有精确的电子结构数据，可直接用于量子化学算法测试。
• 振动结构哈密顿量采用真实的非谐性频率生成，包括共振效应，从而提升了物理保真度。
• 该数据集支持近期变分算法（如 VQE、QAOA）和长期模拟方法，支持广泛的算法评估。
• 该库以机器可读的 HDF5 格式提供，并带有元数据，支持自动化基准测试流程。
• HamLib 通过消除从头开始生成哈密顿量的需求，降低了研究人员的入门门槛，加速了算法和硬件的发展。