[论文解读] Noise reduction using past causal cones in variational quantum algorithms

Omar Shehab, Isaac H. Kim+6 more|arXiv (Cornell University)|Jun 2, 2019

Quantum Computing Algorithms and Architecture参考文献 41被引用 6

一句话总结

该论文通过利用每个可观测量的过去因果锥（PCC）构建简化的ansatz电路，提出了一种变分量子算法中的降噪技术，降低了电路深度和量子比特数量。该方法在离子阱硬件上实现了约27%的氘核结合能计算精度提升和约40%的MAXCUT问题（T3,2图）精度提升，同时将测量次数减少高达78%，显著提升了性能。

ABSTRACT

We introduce an approach to improve the accuracy and reduce the sample complexity of near term quantum-classical algorithms. We construct a simpler initial parameterized quantum state, or ansatz, based on the past causal cone of each observable, generally yielding fewer qubits and gates. We implement this protocol on a trapped ion quantum computer and demonstrate improvement in accuracy and time-to-solution at an arbitrary point in the variational search space. We report a $\sim 27\%$ improvement in the accuracy of the calculation of the deuteron binding energy and $\sim 40\%$ improvement in the accuracy of the quantum approximate optimization of the MAXCUT problem applied to the dragon graph $T_{3,2}$. When the time-to-solution is prioritized over accuracy, the former requires $\sim 71\%$ fewer measurements and the latter requires $\sim 78\%$ fewer measurements.

研究动机与目标

• 该论文旨在减少近场量子算法（如VQE和QAOA）中的噪声并提高精度。
• 它解决了变分量子算法中电路复杂度高和测量开销大的挑战。
• 目标是将电路深度和参数空间最小化，同时保持或提升解的保真度。
• 本研究通过ansatz优化，旨在提升NISQ设备的时间-求解效率和采样效率。

提出的方法

• 该方法利用哈密顿量中每个可观测量项的过去因果锥（PCC）构建缩减后的ansatz。
• PCC可识别所有能影响特定可观测量期望值的门，从而实现电路剪枝。
• 该方法用一组更小、局部化的电路替代完整ansatz，每个电路专用于一个可观测量项。
• 它利用量子电路的因果结构，消除不影响结果的门和量子比特。
• 该方法在离子阱硬件上应用于VQE（氘核结合能）和QAOA（T3,2图上的MAXCUT）问题。
• 采用优化的物理门分解方法，将标准门转换为本征离子阱门操作，以最小化门数和误差。

实验结果

研究问题

• RQ1 能否利用过去因果锥构建缩减ansatz，以提升变分量子算法的精度？
• RQ2 缩减ansatz方法是否能减少VQE和QAOA中所需的测量次数？
• RQ3 与原始ansatz相比，基于PCC的ansatz在时间-求解效率和能量期望值精度方面表现如何？
• RQ4 该方法在NISQ设备上在多大程度上缓解了噪声并提升了保真度？
• RQ5 基于PCC的方法能否在不同量子算法和硬件平台上实现泛化？

主要发现

• 与原始VQE相比，基于PCC的缩减ansatz使氘核结合能计算的精度提高了约27%。
• 在T3,2图的MAXCUT问题中，该方法相比原始QAOA实现了约40%的精度提升。
• 在优先考虑时间-求解效率时，缩减ansatz使氘核问题的测量次数减少了约71%，MAXCUT问题减少了约78%。
• 优化后的物理电路降低了门数并提升了门保真度，从而增强了算法性能。
• 该方法在VQE和QAOA中均表现出一致的改进，表明其在变分量子算法中具有广泛适用性。
• 在离子阱量子计算机上的实验结果证实了基于PCC的ansatz在真实NISQ硬件中的理论优势。