[论文解读] Quantum Amplitude Estimation in the Presence of Noise

Eric G. Brown, Oktay Göktaş+1 more|arXiv (Cornell University)|Jun 25, 2020

Quantum Computing Algorithms and Architecture参考文献 28被引用 11

一句话总结

本文研究了在近期量子设备的真实噪声条件下量子振幅估计算法（QAE）的表现，提出了一种考虑退相干和门误差的噪声校正最大似然估计（MLE）框架。研究结果表明，最优查询调度必须在电路深度与噪声累积之间取得平衡；在实际应用中，尽管次优但具备抗噪能力的策略在中等电路深度和估计精度下，反而可能优于理想无噪声方案。

ABSTRACT

Quantum Amplitude Estimation (QAE) -- a technique by which the amplitude of a given quantum state can be estimated with quadratically fewer queries than by standard sampling -- is a key sub-routine in several important quantum algorithms, including Grover search and Quantum Monte-Carlo methods. An obstacle to implementing QAE in near-term noisy intermediate-scale quantum (NISQ) devices has been the need to perform Quantum Phase Estimation (QPE) -- a costly procedure -- as a sub-routine. This impediment was lifted with various QPE-free methods of QAE, wherein Grover queries of varying depths / powers (often according to a "schedule") are followed immediately by measurements and classical post-processing techniques like maximum likelihood estimation (MLE). Existing analyses as to the optimality of various query schedules in these QPE-free QAE schemes have hitherto assumed noise-free systems. In this work, we analyse QPE-free QAE under common noise models that may afflict NISQ devices and report on the optimality of various query schedules in the noisy regime. We demonstrate that, given an accurate noise characterization of one's system, one must choose a schedule that balances the trade-off between the greater ideal performance achieved by higher-depth circuits, and the correspondingly greater accumulation of noise-induced error.

研究动机与目标

• 分析在近期量子硬件中，基于真实噪声模型的无QPE量子振幅估计（QAE）的性能。
• 识别在噪声中等规模量子（NISQ）设备中，电路深度增加（以提升理想性能）与噪声累积之间的权衡关系。
• 为基于MLE的QAE开发噪声校正的似然函数与费舍尔信息量，以考虑去相位和去极化噪声等常见噪声通道的影响。
• 确定在特定噪声条件下能最大化估计精度的最优查询调度，而非假设无噪声运行。
• 证明在当前量子硬件相关的实际低深度范围内，考虑噪声的策略可优于渐近最优的无噪声策略。

提出的方法

• 将Suzuki等人（2020）提出的MLE-QAE框架改进以引入噪声，通过修改似然函数以反映噪声测量结果。
• 利用重复Grover操作与噪声通道下噪声态演化的解析表达式，推导出噪声校正的费舍尔信息量与Cramér-Rao界。
• 使用单量子比特噪声通道（如去相位和去极化噪声）建模噪声，通过有效幺正变换和Bloch球上的态演化捕捉噪声影响。
• 开发数值算法，计算在噪声通道与Grover算子交替作用后得到的有效态与测量概率，从而实现准确的似然评估。
• 利用修正后的费舍尔信息量评估估计方差，并确定特定噪声水平下的最优查询调度。
• 通过将多个实验运行中不同Grover迭代次数的费舍尔信息量相加，计算完整QAE调度的总信息量。

实验结果

研究问题

• RQ1 去相位噪声如何影响使用最大似然估计的无QPE量子振幅估计算法中的估计误差？
• RQ2 当存在噪声时，QAE的最优查询调度是什么？它与无噪声最优调度有何不同？
• RQ3 即使牺牲渐近二次加速特性，某些策略是否仍能在真实噪声环境下优于理想无噪声策略？
• RQ4 如何对QAE电路测量结果中的噪声进行修正，以校正似然函数与费舍尔信息量？
• RQ5 在近期量子设备中，精确的噪声表征能在多大程度上提升振幅估计的准确性？

主要发现

• 由于深度电路中的噪声累积，近期NISQ设备无法实现估计误差的最优海森堡标度（即二次加速）。
• 考虑噪声的查询调度——通过平衡电路深度与噪声累积以最小化误差——在实际低深度范围内可优于渐近最优的无噪声调度。
• 在中等电路深度和估计精度下（典型NISQ设备参数），某些次优但抗噪能力强的策略可实现比无噪声最优策略更高的精度。
• 噪声校正的费舍尔信息量即使在去相位和去极化噪声导致测量结果失真时，也能实现对估计方差与置信区间的准确估计。
• 数值结果表明，当噪声被错误表征时，有效振幅估计值会偏离真实值，凸显了精确噪声建模的重要性。
• 所提出方法通过将噪声模型直接整合到MLE框架中，实现了最优调度的系统性推导，提升了真实硬件部署中的鲁棒性。