Mitygacja błędów za pomocą sieci tensorowych (TEM): Funkcja Qiskit firmy Algorithmiq

Uwaga

Funkcje Qiskit to eksperymentalna funkcjonalność dostępna wyłącznie dla użytkowników planów IBM Quantum® Premium Plan, Flex Plan i On-Prem (przez IBM Quantum Platform API). Są w fazie podglądu przedpremierowego i mogą ulec zmianie.

Wersje pakietów

Kod na tej stronie został opracowany przy użyciu poniższych wymagań. Zalecamy korzystanie z tych lub nowszych wersji.

qiskit[all]~=2.3.0
qiskit-ibm-catalog~=0.11.0

Przegląd

Metoda Mitygacji Błędów za pomocą Sieci Tensorowych (TEM) firmy Algorithmiq to hybrydowy algorytm kwantowo-klasyczny zaprojektowany do przeprowadzania mitygacji szumów całkowicie na etapie klasycznego post-processingu. Dzięki TEM możesz obliczać wartości oczekiwane obserwowalnych, mitygując nieuniknione błędy wywoływane przez szumy, które pojawiają się na sprzęcie kwantowym — z większą dokładnością i efektywnością kosztową, co czyni tę metodę bardzo atrakcyjną zarówno dla badaczy kwantowych, jak i praktyków z przemysłu.

Metoda polega na skonstruowaniu sieci tensorowej reprezentującej odwrotność globalnego kanału szumowego wpływającego na stan procesora kwantowego, a następnie zastosowaniu tego odwzorowania do informacyjnie pełnych wyników pomiarów uzyskanych z zaszumionego stanu w celu uzyskania nieobciążonych estymatorów obserwowalnych.

Zaletą TEM jest to, że wykorzystuje informacyjnie pełne pomiary, dając dostęp do szerokiego zestawu mitygowanych wartości oczekiwanych obserwowalnych i osiągając optymalny narzut próbkowania na sprzęcie kwantowym, zgodnie z opisem w Filippov et al. (2023), arXiv:2307.11740, oraz Filippov et al. (2024), arXiv:2403.13542. Narzut pomiarowy odnosi się do liczby dodatkowych pomiarów wymaganych do przeprowadzenia efektywnej mitygacji błędów — jest to kluczowy czynnik dla wykonalności obliczeń kwantowych. Dlatego TEM ma potencjał, by umożliwić przewagę kwantową w złożonych scenariuszach, takich jak zastosowania w dziedzinie chaosu kwantowego, fizyki wielu ciał, dynamiki Hubbarda oraz symulacji chemii małych cząsteczek.

Główne cechy i korzyści TEM można podsumować następująco:

1. Optymalny narzut pomiarowy: TEM jest optymalna względem granic teoretycznych, co oznacza, że żadna metoda nie może osiągnąć mniejszego narzutu pomiarowego. Innymi słowy, TEM wymaga minimalnej liczby dodatkowych pomiarów do przeprowadzenia mitygacji błędów. Przekłada się to bezpośrednio na minimalne zużycie czasu kwantowego.
2. Efektywność kosztowa: Ponieważ TEM obsługuje mitygację szumów całkowicie w etapie post-processingu, nie ma potrzeby dodawania dodatkowych obwodów do komputera kwantowego, co nie tylko obniża koszty obliczeń, ale także zmniejsza ryzyko wprowadzenia dodatkowych błędów wynikających z niedoskonałości urządzeń kwantowych.
3. Estymacja wielu obserwowalnych: Dzięki informacyjnie pełnym pomiarom TEM efektywnie estymuje wiele obserwowalnych na podstawie tych samych danych pomiarowych z komputera kwantowego.
4. Mitygacja błędów odczytu: Funkcja Qiskit TEM zawiera również zastrzeżoną metodę mitygacji błędów odczytu, zdolną do znacznego zmniejszenia błędów readout po krótkim przebiegu kalibracyjnym.
5. Dokładność: TEM znacząco poprawia dokładność i niezawodność cyfrowych symulacji kwantowych, czyniąc algorytmy kwantowe bardziej precyzyjnymi i wiarygodnymi.

Opis

Funkcja TEM pozwala uzyskać mitygowane błędy wartości oczekiwane dla wielu obserwowalnych w obwodzie kwantowym przy minimalnym narzucie próbkowania. Circuit jest mierzony za pomocą informacyjnie pełnej miary z operatorem o wartości dodatniej (IC-POVM), a zebrane wyniki pomiarów są przetwarzane na komputerze klasycznym. Ten pomiar służy do wykonywania metod sieci tensorowych i zbudowania mapy odwrotności szumu. Funkcja stosuje odwzorowanie, które w pełni odwraca cały zaszumiony Circuit za pomocą sieci tensorowych reprezentujących zaszumione warstwy.

Po przesłaniu obwodów do funkcji są one transpilowane i optymalizowane w celu zminimalizowania liczby warstw z bramkami dwu-qubitowymi (głośniejszymi bramkami na urządzeniach kwantowych). Szum wpływający na warstwy jest uczony przy użyciu Qiskit Runtime z zastosowaniem rzadkiego modelu szumu Pauli-Lindblad, zgodnie z opisem w E. van den Berg, Z. Minev, A. Kandala, K. Temme, Nat. Phys. (2023). arXiv:2201.09866.

Model szumu jest dokładnym opisem szumu na urządzeniu, zdolnym do uchwycenia subtelnych cech, w tym przesłuchów między qubitami. Jednak szum na urządzeniach może fluktuować i dryfować, a nauczony szum może nie być dokładny w momencie przeprowadzania estymacji. Może to prowadzić do niedokładnych wyników.

Pierwsze kroki

Uwierzytelnij się za pomocą klucza API IBM Quantum Platform i wybierz funkcję TEM w następujący sposób. (Ten fragment kodu zakłada, że masz już zapisane konto w środowisku lokalnym.)

# Added by doQumentation — required packages for this notebook
!pip install -q qiskit qiskit-ibm-catalog

from qiskit_ibm_catalog import QiskitFunctionsCatalog

tem_function_name = "algorithmiq/tem"

catalog = QiskitFunctionsCatalog(channel="ibm_quantum_platform")

# Load your function
tem = catalog.load(tem_function_name)

Przykład

Poniższy fragment kodu pokazuje przykład, w którym TEM jest używana do obliczenia wartości oczekiwanych obserwowanej wartości dla prostego Circuit kwantowego.

from qiskit import QuantumCircuit
from qiskit.quantum_info import SparsePauliOp

# Create a quantum circuit
qc = QuantumCircuit(3)
qc.u(0.4, 0.9, -0.3, 0)
qc.u(-0.4, 0.2, 1.3, 1)
qc.u(-1.2, -1.2, 0.3, 2)
for _ in range(2):
    qc.barrier()
    qc.cx(0, 1)
    qc.cx(2, 1)
    qc.barrier()
    qc.u(0.4, 0.9, -0.3, 0)
    qc.u(-0.4, 0.2, 1.3, 1)
    qc.u(-1.2, -1.2, 0.3, 2)

# Define the observables
observable = SparsePauliOp("IYX", 1.0)

# Define the execution options
pub = (qc, [observable])
options = {"default_precision": 0.02}

# Define backend to use. TEM will choose the least-busy device reported by IBM if not specified
backend_name = "ibm_torino"

job = tem.run(pubs=[pub], backend_name=backend_name, options=options)

Użyj interfejsów API Qiskit Serverless, aby sprawdzić status zadania funkcji Qiskit:

print(job.status())

QUEUED

Możesz pobrać wyniki w następujący sposób:

result = job.result()
evs = result[0].data.evs

info

Oczekiwana wartość dla Circuit bez szumu dla podanego operatora powinna wynosić około 0.18409094298943401.

Dane wejściowe

Parametry

Nazwa	Typ	Opis	Wymagane	Domyślna	Przykład
pubs	Iterable[EstimatorPubLike]	Iterowalny zbiór obiektów podobnych do PUB (primitive unified bloc), takich jak krotki (circuit, observables) lub (circuit, observables, parameters, precision). Zobacz Przegląd PUB, aby uzyskać więcej informacji. Jeśli zostanie przekazany Circuit nie-ISA, zostanie on transpilowany z optymalnymi ustawieniami. Jeśli zostanie przekazany Circuit ISA, nie będzie transpilowany; w tym przypadku obserwowalna musi być zdefiniowana na całym QPU.	Tak	N/A	(circuit, observables)
backend_name	str	Nazwa Backend, do którego kierowane jest zapytanie.	Nie	Jeśli nie podano, zostanie użyty najmniej obciążony Backend.	"ibm_fez"
options	dict	Opcje wejściowe. Więcej szczegółów w sekcji Options.	Nie	Szczegóły w sekcji Options.	{"max_bond_dimension": 100\}

ostrożnie

TEM ma obecnie następujące ograniczenia:

• Parametryzowane Circuit nie są obsługiwane. Argument parametrów powinien być ustawiony na None, jeśli podano precyzję. To ograniczenie zostanie usunięte w przyszłych wersjach.
• Obsługiwane są tylko Circuit bez pętli. To ograniczenie zostanie usunięte w przyszłych wersjach.
• Bramki nie-unitarne, takie jak reset, measure oraz wszelkie formy przepływu sterowania nie są obsługiwane. Obsługa resetu zostanie dodana w nadchodzących wydaniach.

Opcje

Słownik zawierający zaawansowane opcje dla TEM. Słownik może zawierać klucze z poniższej tabeli. Jeśli którakolwiek z opcji nie zostanie podana, zostanie użyta wartość domyślna wymieniona w tabeli. Wartości domyślne są odpowiednie do typowego użycia TEM.

Nazwa	Wartości	Opis	Domyślna
tem_max_bond_dimension	int	Maksymalny wymiar więzi do użycia w sieciach tensorowych.	500
tem_compression_cutoff	float	Wartość odcięcia dla sieci tensorowych.	1e-16
compute_shadows_bias_from_observable	bool	Flaga logiczna wskazująca, czy odchylenie dla protokołu pomiarowego klasycznych cieni powinno być dostosowane do obserwowalnej PUB. Jeśli False, zostanie użyty standardowy protokół klasycznych cieni (równe prawdopodobieństwo pomiaru Z, X, Y).	False
shadows_bias	np.ndarray	Odchylenie do użycia w protokole losowych klasycznych cieni — jednowymiarowa lub dwuwymiarowa tablica o rozmiarze 3 lub kształcie (num_qubits, 3). Kolejność: ZXY	np.array([1 / 3, 1 / 3, 1 / 3])
max_execution_time	int lub None	Maksymalny czas wykonania na QPU w sekundach. Jeśli czas wykonania przekroczy tę wartość, zadanie zostanie anulowane. Jeśli None, zostanie zastosowany domyślny limit ustawiony przez Qiskit Runtime.	None
num_randomizations	int	Liczba randomizacji do użycia przy uczeniu szumu i twirling bramek.	32
max_layers_to_learn	int	Maksymalna liczba unikalnych warstw do nauczenia.	4
mitigate_readout_error	bool	Flaga logiczna wskazująca, czy należy przeprowadzić mitygację błędów odczytu.	True
num_readout_calibration_shots	int	Liczba strzałów do użycia przy mitygacji błędów odczytu.	10000
default_precision	float	Domyślna precyzja dla PUB, dla których precyzja nie jest określona.	0.02
seed	int lub None	Ustawia ziarno generatora liczb losowych dla odtwarzalności. Jeśli None, ziarno nie jest ustawiane.	None

Dane wyjściowe

Obiekt Qiskit PrimitiveResults zawierający wynik mitygowany przez TEM. Wynik dla każdego PUB jest zwracany jako PubResult zawierający następujące pola:

Nazwa	Typ	Opis
data	DataBin	Qiskit DataBin zawierający mitygowaną przez TEM obserwowalną i jej błąd standardowy. DataBin ma następujące pola: evs: Wartość obserwowanej mitygowanej przez TEM. stds: Błąd standardowy obserwowanej mitygowanej przez TEM.
metadata	dict	Słownik zawierający dodatkowe wyniki. Słownik zawiera następujące klucze: "evs_non_mitigated": Wartość obserwowanej bez mitygacji błędów. "stds_non_mitigated": Błąd standardowy wyniku bez mitygacji błędów. "evs_mitigated_no_readout_mitigation": Wartość obserwowanej z mitygacją błędów, ale bez mitygacji błędów odczytu. "stds_mitigated_no_readout_mitigation": Błąd standardowy wyniku z mitygacją błędów, ale bez mitygacji błędów odczytu. "evs_non_mitigated_with_readout_mitigation": Wartość obserwowanej bez mitygacji błędów, ale z mitygacją błędów odczytu. "stds_non_mitigated_with_readout_mitigation": Błąd standardowy wyniku bez mitygacji błędów, ale z mitygacją błędów odczytu.

Pobieranie komunikatów o błędach

Jeśli status zadania to ERROR, użyj job.result(), aby pobrać komunikat o błędzie w następujący sposób:

print(job.result())

PrimitiveResult([PubResult(data=DataBin(evs=np.ndarray(<shape=(1,), dtype=float64>), stds=np.ndarray(<shape=(1,), dtype=float64>)), metadata={'evs_non_mitigated': array([-0.06314623]), 'stds_non_mitigated': array([0.05917147]), 'evs_mitigated_no_readout_mitigation': array([-0.06411205]), 'stds_mitigated_no_readout_mitigation': array([0.05992467]), 'evs_non_mitigated_with_readout_mitigation': array([-0.07028881]), 'stds_non_mitigated_with_readout_mitigation': array([0.06353934])})], metadata={'resource_usage': {'RUNNING: OPTIMIZING_FOR_HARDWARE': {'CPU_TIME': 0.915754}, 'RUNNING: WAITING_FOR_QPU': {'CPU_TIME': 18.804865}, 'RUNNING: POST_PROCESSING': {'CPU_TIME': 10.433445}, 'RUNNING: EXECUTING_QPU': {'QPU_TIME': 159.0}}})

Uzyskaj wsparcie

Skontaktuj się pod adresem qiskit_ibm@algorithmiq.fi

Pamiętaj, aby dołączyć następujące informacje:

• ID zadania funkcji Qiskit (qiskit-ibm-catalog), job.job_id
• Szczegółowy opis problemu
• Wszelkie odpowiednie komunikaty o błędach lub kody
• Kroki pozwalające odtworzyć problem

Następne kroki

Zalecenia

• Poproś o dostęp do Algorithmiq Tensor-network error mitigation
• Zapoznaj się z Filippov, S., et al. (2023). Scalable tensor-network error mitigation for near-term quantum computing. arXiv preprint arXiv:2307.11740.
• Zapoznaj się z Filippov, S., et al. (2024). Scalability of quantum error mitigation techniques: from utility to advantage. arXiv preprint arXiv:2403.13542.
• Zapoznaj się z Fischer, E. F., et al. (2024). Dynamical simulations of many-body quantum chaos on a quantum computer. arXiv preprint arXiv:2411.00765.