[论文解读] Modelling and Simulating the Noisy Behaviour of Near-term Quantum Computers

Κωνσταντίνος Γεωργόπουλος, Clive Emary+1 more|arXiv (Cornell University)|Jan 6, 2021

Quantum Computing Algorithms and Architecture参考文献 47被引用 4

一句话总结

本文提出了一种统一的、架构感知的噪声模型，用于近期量子计算机，将退相干泡利噪声、SPAM误差以及热弛豫/退相干统一为单一量子通道。通过校准的误差率和遗传算法优化，该模型在模拟IBM量子计算机行为方面，相比现有模型，性能提升最高达84%，揭示了硬件校准误差参数与优化后误差参数之间的差异。

ABSTRACT

Noise dominates every aspect of near-term quantum computers, rendering it exceedingly difficult to carry out even small computations. In this paper we are concerned with the modelling of noise in Noisy Intermediate-Scale Quantum (NISQ) computers. We focus on three error groups that represent the main sources of noise during a computation and present quantum channels that model each source. We engineer a noise model that combines all three noise channels and simulates the evolution of the quantum computer using its calibrated error rates. We run various experiments of our model, showcasing its behaviour compared to other noise models and an IBM quantum computer. We find that our model provides a better approximation of the quantum computer's behaviour than the other models. Following this, we use a genetic algorithm to optimize the parameters used by our noise model, bringing the behaviour of the model even closer to the quantum computer. Finally, a comparison between the pre and postoptimization parameters reveals that, according to our model, certain operations can be more or less erroneous than the hardware-calibrated parameters show.

研究动机与目标

• 开发一种全面的、架构感知的噪声模型，以捕捉近期量子计算机中的主要误差源。
• 通过整合三种关键噪声源——门保真度损失、SPAM误差和热退相干——来提高量子线路模拟的准确性。
• 使用硬件测量的误差率对噪声模型进行校准，并通过遗传算法优化参数，以提升与真实量子硬件的一致性。
• 揭示硬件校准误差参数与更优拟合实际量子计算机行为的参数之间的差异。

提出的方法

• 使用Kraus算符和Choi矩阵形式化方法，将三种主要噪声源——退相干泡利噪声、SPAM误差和热弛豫/退相干——分别建模为独立的量子通道。
• 将三个噪声通道整合为一个统一的噪声模型，以保留目标量子硬件的物理与架构特性。
• 使用Qiskit模拟量子线路，并将模型的噪声演化与IBM量子处理器的实验数据进行对比。
• 应用遗传算法优化关键噪声参数，包括门保真度损失率、SPAM误差以及与量子比特相关的T1/T2弛豫和退相干时间。
• 在优化过程中施加物理约束，如T2 ≤ 2T1，以保持模型的物理一致性。
• 使用模拟与实验输出分布之间的总变差距离来评估模型性能。

实验结果

研究问题

• RQ1 结合泡利噪声、SPAM误差和热噪声的统一噪声模型，在多大程度上能准确复现真实IBM量子处理器的行为？
• RQ2 与使用硬件校准参数相比，优化噪声参数在多大程度上提升了量子线路模拟的保真度？
• RQ3 硬件校准误差率与通过拟合实验数据获得的最优参数之间是否存在差异？
• RQ4 在优化中包含与量子比特相关的T1和T2参数，对遗传算法的性能和收敛性有何影响？
• RQ5 该模型能否推广至IBMQ以外的其他量子硬件平台？

主要发现

• 所提出的噪声模型在总变差距离度量下，与现有最先进模型相比，对IBM量子计算机行为的逼近程度最高提升84%。
• 在优化中引入与量子比特相关的T1和T2参数，由于参数空间扩大和物理约束增加，导致遗传算法性能下降。
• 对于N=4，优化使模拟与实验分布之间的距离减少了85.48%；对于N=8，减少了64.57%。
• 优化后的参数与硬件校准值存在显著差异，表明实际误差率可能高于或低于报告值。
• 该模型的架构感知设计使其可适配任何基于QASM的量子线路实现，不限于IBMQ硬件。
• 若在优化中排除T1和T2参数，则收敛速度更快且性能更优，表明这些参数在优化空间中可能不那么关键或受到更强约束。