RobustState: Boosting Fidelity of Quantum State Preparation via Noise-Aware Variational Training

要約

量子コンピューティングにおける重要なサブルーチンである量子状態の準備には、初期化された量子ビットからターゲットの量子状態を生成することが含まれます。
任意の状態準備アルゴリズムは、算術分解 (AD) と変分量子状態準備 (VQSP) に大きく分類できます。
AD は、事前定義された手順を使用してターゲット状態を一連のゲートに分解します。一方、VQSP は、ターゲット状態に近似するように ansatz パラメータを繰り返し調整します。
VQSP は回路が短いため、特に Noisy-Intermediate Scale Quantum (NISQ) マシンに適しています。
ただし、ノイズに強いパラメータの最適化を達成することは依然として課題です。
高い堅牢性と高いトレーニング効率を組み合わせた新しい VQSP トレーニング方法論である RobustState を紹介します。
中心となるアイデアには、実際のマシンからの測定結果を利用して、古典的なシミュレーターを介して逆伝播を実行することで、実際の量子ノイズを勾配計算に組み込むことが含まれます。
RobustState は、パラメータをゼロからトレーニングしたり、既存のパラメータを微調整してターゲット マシンの忠実度を高めるのに適用できる、多用途のプラグ アンド プレイ手法として機能します。
ゲート レベルとパルス レベルの両方でさまざまな分析に適応でき、変分ユニタリ合成などの他の変分アルゴリズムにも恩恵を与えることができます。
10 台の実際の量子マシンを使用した 4 つの異なる量子アルゴリズムの状態準備タスクに関する RobustState の包括的な評価では、4-Q および
それぞれ5-Qの状態。
平均して、RobustState は、ベースライン アプローチと比較して、4-Q および 5-Q 状態の忠実度を 50\% および 72\% 向上させます。

要約(オリジナル)

Quantum state preparation, a crucial subroutine in quantum computing, involves generating a target quantum state from initialized qubits. Arbitrary state preparation algorithms can be broadly categorized into arithmetic decomposition (AD) and variational quantum state preparation (VQSP). AD employs a predefined procedure to decompose the target state into a series of gates, whereas VQSP iteratively tunes ansatz parameters to approximate target state. VQSP is particularly apt for Noisy-Intermediate Scale Quantum (NISQ) machines due to its shorter circuits. However, achieving noise-robust parameter optimization still remains challenging. We present RobustState, a novel VQSP training methodology that combines high robustness with high training efficiency. The core idea involves utilizing measurement outcomes from real machines to perform back-propagation through classical simulators, thus incorporating real quantum noise into gradient calculations. RobustState serves as a versatile, plug-and-play technique applicable for training parameters from scratch or fine-tuning existing parameters to enhance fidelity on target machines. It is adaptable to various ansatzes at both gate and pulse levels and can even benefit other variational algorithms, such as variational unitary synthesis. Comprehensive evaluation of RobustState on state preparation tasks for 4 distinct quantum algorithms using 10 real quantum machines demonstrates a coherent error reduction of up to 7.1 $\times$ and state fidelity improvement of up to 96\% and 81\% for 4-Q and 5-Q states, respectively. On average, RobustState improves fidelity by 50\% and 72\% for 4-Q and 5-Q states compared to baseline approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google