[论文解读] Navigating the dynamic noise landscape of variational quantum algorithms with QISMET

Gokul Subramanian Ravi, Kaitlin N. Smith+6 more|arXiv (Cornell University)|Sep 25, 2022

Quantum Computing Algorithms and Architecture被引用 4

一句话总结

本文提出 QISMET，一种运行时控制器，通过跳过预测误差影响较高的迭代来缓解变分量子算法（VQAs）中的瞬态噪声。通过估计瞬态误差并避开问题执行窗口，QISMET 在多个量子硬件平台上相较基线方法将 VQA 保真度提升 1.3 倍至 3 倍，相较其他方法提升 1.6 倍至 2.4 倍。

ABSTRACT

Transient errors from the dynamic NISQ noise landscape are challenging to comprehend and are especially detrimental to classes of applications that are iterative and/or long-running, and therefore their timely mitigation is important for quantum advantage in real-world applications. The most popular examples of iterative long-running quantum applications are variational quantum algorithms (VQAs). Iteratively, VQA's classical optimizer evaluates circuit candidates on an objective function and picks the best circuits towards achieving the application's target. Noise fluctuation can cause a significant transient impact on the objective function estimation of the VQA iterations / tuning candidates. This can severely affect VQA tuning and, by extension, its accuracy and convergence. This paper proposes QISMET: Quantum Iteration Skipping to Mitigate Error Transients, to navigate the dynamic noise landscape of VQAs. QISMET actively avoids instances of high fluctuating noise which are predicted to have a significant transient error impact on specific VQA iterations. To achieve this, QISMET estimates transient error in VQA iterations and designs a controller to keep the VQA tuning faithful to the transient-free scenario. By doing so, QISMET efficiently mitigates a large portion of the transient noise impact on VQAs and is able to improve the fidelity by 1.3x-3x over a traditional VQA baseline, with 1.6-2.4x improvement over alternative approaches, across different applications and machines. Further, to diligently analyze the effects of transients, this work also builds transient noise models for target VQA applications from observing real machine transients. These are then integrated with the Qiskit simulator.

研究动机与目标

• 解决噪声中间规模量子（NISQ）设备中动态瞬态噪声对迭代型量子应用的干扰问题。
• 提升受波动噪声源影响的变分量子算法（VQAs）的保真度与收敛性。
• 设计一种运行时控制器，主动避免瞬态误差影响较高的执行实例。
• 在真实量子计算场景中实现更精确、更可靠的 VQA 优化。
• 在无需事先了解设备特定噪声模式的情况下，降低瞬态误差的影响。

提出的方法

• QISMET 通过分析当前 VQA 迭代梯度与预测的无瞬态误差值之间的偏差，实时估计瞬态误差。
• 其控制器将估计的瞬态误差与阈值进行比较，以决定是否跳过某次迭代。
• 该方法利用反馈回路，确保梯度更新方向与理想无瞬态误差场景保持一致。
• QISMET 在每次运行 VQA 迭代的同时，重新执行前一次迭代，以支持误差估计与跳过决策。
• 它利用电路执行结果的统计分析，检测输出分布突然变化的迹象，以识别瞬态噪声。
• 控制器在运行时工作，基于实时噪声评估，按次迭代做出跳过决策。

实验结果

研究问题

• RQ1 NISQ 设备中瞬态噪声波动如何影响变分量子算法的收敛性与准确性？
• RQ2 能否通过实时检测并避免高瞬态误差迭代来提升 VQA 保真度？
• RQ3 QISMET 的动态跳过策略与静态误差缓解及经典滤波技术相比表现如何？
• RQ4 将 QISMET 集成到现有 VQA 工作负载中的性能开销与实际可行性如何？
• RQ5 在不事先了解设备特定噪声行为的情况下，QISMET 能在多大程度上降低瞬态误差的影响？

主要发现

• QISMET 在多个量子硬件平台上相较传统 VQA 基线，将 VQA 保真度提升 1.3 倍至 3 倍。
• 其保真度相较其他误差缓解技术（包括卡尔曼滤波与经典滤波）提升 1.6 倍至 2.4 倍。
• 该方法在无需标注训练数据或事先表征设备噪声的情况下，有效缓解了瞬态噪声。
• 实际开销极低，因为大多数设备仅经历少量严重的瞬态事件，且 QISMET 通过避免失败迭代降低了整体执行成本。
• QISMET 优于卡尔曼与 CFAR 等经典滤波方法，后者无法主动避免高影响的瞬态事件。
• 控制器的跳过决策具有鲁棒性，在对抗性噪声模式下性能损失可忽略，原因在于此类模式在真实 NISQ 设备中出现概率极低。