Chybová mitigace pomocí tenzorových sítí (TEM): Qiskit funkce od Algorithmiq

Poznámka

Qiskit Functions jsou experimentální funkce dostupné pouze uživatelům IBM Quantum® Premium Plan, Flex Plan a On-Prem (přes IBM Quantum Platform API) Plan. Jsou ve stavu preview release a mohou se změnit.

Verze balíčků

Kód na této stránce byl vyvinut s použitím následujících požadavků. Doporučujeme používat tyto nebo novější verze.

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

Přehled

Metoda chybové mitigace pomocí tenzorových sítí (TEM) od Algorithmiq je hybridní kvantově-klasický algoritmus navržený pro provádění mitigace šumu výhradně ve fázi klasického post-processingu. S TEM lze vypočítat střední hodnoty pozorovatelných veličin a zmírnit nevyhnutelné chyby způsobené šumem na kvantovém hardware s vyšší přesností a efektivitou nákladů, což z něj dělá velmi atraktivní volbu pro kvantové výzkumníky i průmyslové odborníky.

Metoda spočívá v sestavení tenzorové sítě reprezentující inverzi globálního kanálu šumu ovlivňujícího stav kvantového procesoru a následném aplikování tohoto zobrazení na informačně úplné výsledky měření získané z zašuměného stavu, čímž se získají nestranné odhadce pozorovatelných veličin.

Jako výhodu TEM využívá informačně úplná měření pro přístup k rozsáhlé sadě mitigovaných středních hodnot pozorovatelných veličin a dosahuje optimální vzorkovací režie na kvantovém hardware, jak je popsáno ve Filippov et al. (2023), arXiv:2307.11740, a Filippov et al. (2024), arXiv:2403.13542. Vzorkovací režie označuje počet dodatečných měření potřebných k provedení efektivní chybové mitigace, což je klíčový faktor pro proveditelnost kvantových výpočtů. TEM má proto potenciál umožnit kvantovou výhodu ve složitých scénářích, jako jsou aplikace v oblasti kvantového chaosu, fyziky mnoha těles, Hubbardovy dynamiky a simulací chemie malých molekul.

Hlavní vlastnosti a výhody TEM lze shrnout takto:

1. Optimální vzorkovací režie: TEM je optimální vzhledem k teoretickým hranicím, což znamená, že žádná metoda nemůže dosáhnout menší vzorkovací režie. Jinými slovy, TEM vyžaduje minimální počet dodatečných měření pro provedení chybové mitigace. To zároveň znamená, že TEM používá minimální kvantový runtime.
2. Nákladová efektivita: Protože TEM zpracovává mitigaci šumu výhradně ve fázi post-processingu, není potřeba přidávat do kvantového počítače extra Circuit, což nejen snižuje náklady na výpočet, ale také snižuje riziko zavlečení dodatečných chyb způsobených nedokonalostmi kvantových zařízení.
3. Odhad více pozorovatelných veličin: Díky informačně úplným měřením TEM efektivně odhaduje více pozorovatelných veličin ze stejných dat měření získaných z kvantového počítače.
4. Mitigace chyb měření: Qiskit Function TEM také zahrnuje proprietární metodu mitigace chyb měření, která dokáže výrazně snížit chyby čtení po krátkém kalibračním běhu.
5. Přesnost: TEM výrazně zlepšuje přesnost a spolehlivost digitálních kvantových simulací, čímž dělá kvantové algoritmy přesnějšími a spolehlivějšími.

Popis

Funkce TEM ti umožňuje získat mitigované střední hodnoty pro více pozorovatelných veličin na kvantovém Circuit s minimální vzorkovací režií. Circuit je měřen pomocí informačně úplného měření s pozitivně semidefinitní operátorovou hodnotou (IC-POVM) a získané výsledky měření jsou zpracovány na klasickém počítači. Toto měření se používá k provedení metod tenzorových sítí a sestavení mapy inverze šumu. Funkce aplikuje zobrazení, které plně invertuje celý zašuměný Circuit pomocí tenzorových sítí reprezentujících zašuměné vrstvy.

Jakmile jsou Circuit odeslány do funkce, jsou transpilovaný a optimalizovány tak, aby se minimalizoval počet vrstev s dvou-Qubitovými Gate (nejhlučnějšími Gate na kvantových zařízeních). Šum ovlivňující vrstvy je naučen prostřednictvím Qiskit Runtime pomocí řídkého Pauli-Lindbladova modelu šumu, jak je popsáno v E. van den Berg, Z. Minev, A. Kandala, K. Temme, Nat. Phys. (2023). arXiv:2201.09866.

Model šumu je přesný popis šumu na zařízení schopný zachytit jemné rysy, včetně přeslechů Qubitů. Šum na zařízeních však může kolísat a driftovat a naučený šum nemusí být přesný v okamžiku provádění odhadu. To může vést k nepřesným výsledkům.

Začínáme

Proveď autentizaci pomocí svého klíče IBM Quantum Platform API a vyber funkci TEM takto. (Tento úryvek předpokládá, že sis již uložil svůj účet do lokálního prostředí.)

# 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)

Příklad

Následující úryvek ukazuje příklad, kde TEM slouží k výpočtu středních hodnot pozorovatelné veličiny pro jednoduchý kvantový Circuit.

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)

Ke kontrole stavu tvé Qiskit Function pracovní zátěže použij Qiskit Serverless API:

print(job.status())

QUEUED

Výsledky lze vrátit takto:

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

info

Očekávaná hodnota pro bezšumový Circuit pro daný operátor by měla být přibližně 0.18409094298943401.

Vstupy

Parametry

Název	Typ	Popis	Povinný	Výchozí	Příklad
pubs	Iterable[EstimatorPubLike]	Iterovatelná kolekce PUB-like (primitive unified bloc) objektů, jako jsou n-tice (circuit, observables) nebo (circuit, observables, parameters, precision). Více informací najdeš v části Přehled PUBů. Pokud je předán ne-ISA Circuit, bude transpilován s optimálním nastavením. Pokud je předán ISA Circuit, nebude transpilován; v tomto případě musí být pozorovatelná definována na celém QPU.	Ano	N/A	(circuit, observables)
backend_name	str	Název Backend pro zpracování dotazu.	Ne	Pokud není zadán, bude použit nejméně vytížený Backend.	"ibm_fez"
options	dict	Vstupní možnosti. Více podrobností najdeš v části Options.	Ne	Viz část Options pro výchozí hodnoty.	{"max_bond_dimension": 100\}

pozor

TEM má v současnosti následující omezení:

• Parametrizované Circuit nejsou podporovány. Argument parameters by měl být nastaven na None, pokud je zadána přesnost. Toto omezení bude v budoucích verzích odstraněno.
• Podporovány jsou pouze Circuit bez smyček. Toto omezení bude v budoucích verzích odstraněno.
• Neunitární Gate, jako je reset, measure a všechny formy řízení toku, nejsou podporovány. Podpora pro reset bude přidána v nadcházejících verzích.

Možnosti

Slovník obsahující pokročilé možnosti pro TEM. Slovník může obsahovat klíče z následující tabulky. Pokud některá z možností není zadána, bude použita výchozí hodnota uvedená v tabulce. Výchozí hodnoty jsou vhodné pro typické použití TEM.

Název	Volby	Popis	Výchozí
tem_max_bond_dimension	int	Maximální dimenze vazby používaná pro tenzorové sítě.	500
tem_compression_cutoff	float	Hodnota cutoff používaná pro tenzorové sítě.	1e-16
compute_shadows_bias_from_observable	bool	Booleovský příznak indikující, zda má být bias pro protokol měření klasických stínů přizpůsoben PUB pozorovatelné nebo ne. Pokud je False, bude použit protokol klasických stínů (stejná pravděpodobnost měření Z, X, Y).	False
shadows_bias	np.ndarray	Bias používaný pro randomizovaný protokol měření klasických stínů, 1D nebo 2D pole velikosti 3 nebo tvaru (num_qubits, 3). Pořadí je ZXY	np.array([1 / 3, 1 / 3, 1 / 3])
max_execution_time	int nebo None	Maximální doba provádění na QPU v sekundách. Pokud runtime překročí tuto hodnotu, úloha bude zrušena. Pokud je None, použije se výchozí limit nastavený Qiskit Runtime.	None
num_randomizations	int	Počet randomizací používaných pro učení šumu a twirling Gate.	32
max_layers_to_learn	int	Maximální počet unikátních vrstev k naučení.	4
mitigate_readout_error	bool	Booleovský příznak indikující, zda provádět mitigaci chyb čtení nebo ne.	True
num_readout_calibration_shots	int	Počet vzorků používaných pro mitigaci chyb čtení.	10000
default_precision	float	Výchozí přesnost používaná pro PUB, pro které přesnost není zadána.	0.02
seed	int nebo None	Nastaví seed generátoru náhodných čísel pro reprodukovatelnost. Pokud je None, seed se nenastaví.	None

Výstupy

Qiskit PrimitiveResults obsahující TEM-mitigovaný výsledek. Výsledek pro každý PUB je vrácen jako PubResult obsahující následující pole:

Název	Typ	Popis
data	DataBin	Qiskit DataBin obsahující TEM-mitigovanou pozorovatelnou a její standardní chybu. DataBin má následující pole: evs: Hodnota TEM-mitigované pozorovatelné. stds: Standardní chyba TEM-mitigované pozorovatelné.
metadata	dict	Slovník obsahující dodatečné výsledky. Slovník obsahuje následující klíče: "evs_non_mitigated": Hodnota pozorovatelné bez chybové mitigace. "stds_non_mitigated": Standardní chyba výsledku bez chybové mitigace. "evs_mitigated_no_readout_mitigation": Hodnota pozorovatelné s chybovou mitigací, ale bez mitigace chyb čtení. "stds_mitigated_no_readout_mitigation": Standardní chyba výsledku s chybovou mitigací, ale bez mitigace chyb čtení. "evs_non_mitigated_with_readout_mitigation": Hodnota pozorovatelné bez chybové mitigace, ale s mitigací chyb čtení. "stds_non_mitigated_with_readout_mitigation": Standardní chyba výsledku bez chybové mitigace, ale s mitigací chyb čtení.

Načítání chybových zpráv

Pokud je stav tvé pracovní zátěže ERROR, načti chybovou zprávu pomocí job.result() takto:

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}}})

Získání podpory

Kontaktuj nás na qiskit_ibm@algorithmiq.fi

Nezapomeň uvést následující informace:

• ID Qiskit Function Job (qiskit-ibm-catalog), job.job_id
• Podrobný popis problému
• Případné chybové zprávy nebo kódy
• Kroky pro reprodukci problému

Další kroky

Doporučení

• Požádej o přístup k Algorithmiq chybové mitigaci pomocí tenzorových sítí
• Přečti si Filippov, S., et al. (2023). Scalable tensor-network error mitigation for near-term quantum computing. arXiv preprint arXiv:2307.11740.
• Přečti si Filippov, S., et al. (2024). Scalability of quantum error mitigation techniques: from utility to advantage. arXiv preprint arXiv:2403.13542.
• Přečti si Fischer, E. F., et al. (2024). Dynamical simulations of many-body quantum chaos on a quantum computer. arXiv preprint arXiv:2411.00765.