[论文解读] Qubit Allocation for Noisy Intermediate-Scale Quantum Computers

Will Finigan, Michael Cubeddu+3 more|arXiv (Cornell University)|Oct 18, 2018

Quantum Computing Algorithms and Architecture被引用 15

一句话总结

本文提出了一种适用于NISQ时代量子计算机的混合量子比特分配算法，结合模拟退火与基于Dijkstra的局部搜索，通过考虑硬件特定的量子比特保真度和连通性，最小化电路错误率。在IBM的16Q Rueschlikon设备上进行基准测试时，该方法将实测错误率显著降低超过两倍，优于IBM公开编译器和纯局部搜索方法。

ABSTRACT

In the era of noisy-intermediate-scale quantum computers, we expect to see quantum devices with increasing numbers of qubits emerge in the foreseeable future. To practically run quantum programs, logical qubits have to be mapped to the physical qubits by a qubit allocation algorithm. However, on present day devices, qubits differ by their error rate and connectivity. Here, we establish and demonstrate on current experimental devices a new allocation algorithm that combines the simulated annealing method with local search of the solution space using Dijkstra's algorithm. Our algorithm takes into account the weighted connectivity constraints of both the quantum hardware and the quantum program being compiled. New quantum programs will enable unprecedented developments in physics, chemistry, and materials science and our work offers an important new pathway toward optimizing compilers for quantum programs.

研究动机与目标

• 为解决噪声中等规模量子（NISQ）计算机中的量子比特分配挑战，其中物理量子比特的错误率和连通性各不相同。
• 通过在编译过程中最小化总错误率而非仅减少SWAP门，提升量子线路的可靠性。
• 开发一种硬件无关但硬件感知的算法，可针对运行时间与性能之间的权衡进行调优。
• 在真实量子硬件上对所提算法进行基准测试，为其实证优越性提供验证。

提出的方法

• 该算法使用模拟退火在量子比特映射的庞大解空间中进行探索，从而能够逃离局部极小值。
• 它整合了Dijkstra算法以执行有界局部搜索，通过探索误差成本更低的邻近配置来优化解。
• 该方法将量子程序和硬件建模为加权图：程序的纠缠结构表示为有向无环图（DAG），设备的耦合关系表示为边权基于保真度的图。
• 搜索空间由逻辑量子比特到物理量子比特的有效映射定义，目标函数为编译后电路的总错误率。
• 该算法通过初始温度$T_0$、降温速率$ au$和局部搜索步数$n$进行参数化，从而在运行时间与解质量之间实现权衡。
• 该方法为硬件无关设计，可接受任意耦合图和保真度数据，并通过调优实现最小电路错误率。

实验结果

研究问题

• RQ1 结合模拟退火与局部搜索的混合优化方法，是否能在真实硬件上优于现有量子比特分配方法，显著降低量子线路错误率？
• RQ2 在NISQ设备上，考虑可变量子比特保真度和连通性约束，对编译后量子线路的可靠性有何影响？
• RQ3 通过智能量子比特分配进行预处理，能在多大程度上减少实际量子计算中的设备噪声？
• RQ4 在真实量子硬件上，随着线路规模和复杂度的增加，该算法的性能如何扩展？
• RQ5 鉴于其硬件无关的设计，该算法是否可泛化应用于不同量子架构而无需重新实现？

主要发现

• 与IBM公开编译器相比，该混合算法在16Q Rueschlikon设备上将实测错误率降低了超过两倍，且在所有测试电路中均表现出统计显著的改进。
• 仅使用局部搜索的方法始终优于IBM公开编译器，表明保真度感知的分配可提升可靠性。
• 混合算法的错误率低于IBM编译器，尽管存在更高的变异性，表明在鲁棒性与优化深度之间存在权衡。
• 某些情况下实测错误率超过0.7，归因于设备特有的异常现象而非算法缺陷，表明设备噪声仍是主导因素。
• 随着电路规模增大，该算法的性能表现出有利的可扩展性，且所提方法的优势随电路增大而增强。
• 由于其硬件无关的设计，该方法可泛化至多种架构，同时仍能利用设备特定的保真度和连通性数据以实现最优结果。