[论文解读] Simulations of Quantum Circuits with Approximate Noise using qsim and Cirq

Sergei V. Isakov, Dvir Kafri+16 more|arXiv (Cornell University)|Nov 3, 2021

Quantum Computing Algorithms and Architecture被引用 12

一句话总结

本文提出了一款高性能量子轨迹模拟器 qsim，集成于 Cirq，可在 Google Cloud Platform 上高效模拟噪声量子线路。该工作提出一种新型延迟内积算法用于量子轨迹模拟，在低噪声环境下实现最高 10× 的加速，并提出一种针对 Google Sycamore 量子处理器的近似噪声模型，该模型在三种 NISQ 算法（费米- Hubbard 动力学、QAOA 和非相互作用费米子演化）中与实验结果高度吻合。

ABSTRACT

We introduce multinode quantum trajectory simulations with qsim, an open source high performance simulator of quantum circuits. qsim can be used as a backend of Cirq, a Python software library for writing quantum circuits. We present a novel delayed inner product algorithm for quantum trajectories which can result in an order of magnitude speedup for low noise simulation. We also provide tools to use this framework in Google Cloud Platform, with high performance virtual machines in a single mode or multinode setting. Multinode configurations are well suited to simulate noisy quantum circuits with quantum trajectories. Finally, we introduce an approximate noise model for Google's experimental quantum computing platform and compare the results of noisy simulations with experiments for several quantum algorithms on Google's Quantum Computing Service.

研究动机与目标

• 在经典硬件上实现对噪声量子线路的准确且高效的模拟，以支持 NISQ 时代算法的开发。
• 应对在大规模上模拟噪声量子轨迹的计算挑战，特别是针对量子比特数量有限且相干时间较短的近期量子设备。
• 开发一种实用的近似噪声模型，以捕捉 Google 超导量子计算平台（QCS）中的主要错误机制。
• 将高性能模拟工具（qsim）与 Cirq 编程框架集成，以支持可扩展、生产级的量子算法原型设计。
• 在 Google Cloud Platform 上提供原生云环境、多节点的模拟工作流，支持大规模基于轨迹的模拟，具备自动扩展能力和高内存负载处理能力。

提出的方法

• 在 qsim 中实现延迟内积算法，以优化量子轨迹模拟，降低计算开销，并在低噪声环境下实现最高 10× 的加速。
• 将 qsim 作为 Cirq 的后端，实现量子线路定义、噪声建模与高性能模拟在 Python 中的无缝集成。
• 利用 Google Cloud Platform（GCP）上的多节点 CPU 和 GPU 配置，结合 HTCondor 实现自动扩展与虚拟机间的高效工作负载分发。
• 开发一种通用的近似噪声模型，适用于 Google 的 Sycamore 处理器，涵盖比特退相干/去相位、fSim 门相干误差及去极化噪声。
• 将该噪声模型应用于模拟三种量子算法：非相互作用费米子动力学、QAOA 和费米-Hubbard 动力学，对比理想与噪声条件下的模拟结果。
• 利用量子轨迹模拟随机噪声过程，实现真实错误条件下电路输出的统计采样。

实验结果

研究问题

• RQ1 如何利用经典高性能计算加速噪声量子线路的量子轨迹模拟？
• RQ2 基于实验误差测量的近似噪声模型在多大程度上能再现 NISQ 时代量子算法中的真实硬件行为？
• RQ3 基于多节点云环境的模拟工作流能否高效扩展，以支持高内存与高计算需求的大规模噪声量子线路模拟？
• RQ4 与简单的去极化噪声模型相比，所提出的近似噪声模型在与实际实验结果的保真度上表现如何？
• RQ5 特定错误通道（如退相干、去相位、fSim 门错误）对 QAOA 和费米子动力学等关键 NISQ 算法的性能有何影响？

主要发现

• qsim 中的延迟内积算法在低噪声量子轨迹模拟中实现了最高 10× 的加速，显著提升了小到中等线路深度下的性能。
• 针对 Google Sycamore 处理器的近似噪声模型在三种量子算法中与实验结果高度吻合，其保真度优于简单的去极化噪声模型。
• 在 'Hardware Grid' 问题中，对于深度 $ p=3 $ 的 QAOA 算法，近似噪声模型在 $ \langle C \rangle / C_{\mathrm{min}} $ 上与硬件的差异小于 0.02，而去极化模型则过于乐观。
• 在非相互作用费米子动力学中，近似噪声模型与实验数据的绝对差异为 0.05–0.15，低于 1% 去极化模型的 0.2–0.3，表明其保真度更优。
• 使用近似噪声模型模拟费米-Hubbard 动力学时，在 16 量子比特配置下，模拟与实验费米子分布之间 $ \ell_1 $ 距离的标准差为 0.03–0.05。
• 基于 GCP 的多节点模拟，结合 HTCondor 实现自动扩展，可高效处理高内存负载，使大规模轨迹模拟在 NISQ 算法开发中成为可能。